IDE：Jupyter notebook

一、數據載入及初步觀察

1.數據加載

1.1載入數據（使用相對路徑和絕對路徑）

1.1.1導入numpy和pandas

import numpy as np import pandas as pd import os #導入的os在查看絕對路徑時會用到

1.1.2載入數據

相對路徑與絕對路徑

df = pd.read_csv('train.csv') #相對路徑 path=os.path.abspath('train.csv') #絕對路徑 path #輸出為：'C:\\Users\\DELL\\Desktop\\train.csv'

用pd.read_csv方法加載數據：

df = pd.read_csv(path) df.head(3) '''官方文檔：pandas.read_csv(filepath_or_buffer, sep=NoDefault.no_default, delimiter=None, header='infer', names=NoDefault.no_default, index_col=None, usecols=None, squeeze=None, prefix=NoDefault.no_default, mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None ……)參數巨多 所以省略了'''

結果：

注：pd.read_csv與pd.read_table 的區別和聯系
先看看table的輸出，并與上文的csv的輸出對比：

df = pd.read_table(path)

輸出：

查閱官方文檔發現，這種差別是由于pd.read_csv的參數sep默認為’ , '，說明以逗號為分隔符讀取；而pd.read_table的sep參數默認為‘ \t ’ (tab-stop)，說明以制表符為分隔符讀取。
將pd.read_table的sep改成 sep=’ , '，即可實現與csv同樣的輸出結果，如下：

pd.read_table(path,sep=',').head()

輸出：

1.1.3 任務三：每1000行為一個數據模塊，逐塊讀取

1.什么時候需要逐塊讀取？
當需要讀取的文件過大時，為了避免一次讀取的數據量過多而導致內存崩潰，pandas支持按指定數量的行讀取，即chunksize。

chunker = pd.read_csv('train.csv',sep=',',chunksize=100) type(chunker)

結果：

數據類型為TextFileReader而不是DataFrame，
可用for循環打印其中內容驗證：

for chunk in chunker:print(chunk)

1.1.4 任務四：將表頭改成中文，索引改為乘客ID [對于某些英文資料，我們可以通過翻譯來更直觀的熟悉我們的數據]

df = pd.read_csv('train.csv', names=['乘客ID','是否幸存','倉位等級','姓名','性別','年齡','兄弟姐妹個數','父母子女個數','船票信息','票價','客艙','登船港口'],index_col='乘客ID',header=0) df.head()

結果：

注：幾個參數的解釋：
1.參數header指定要用作列名的行號，以及數據的開頭； 1.如果未傳遞任何名，則行為與header=0相同，并且從文件的第一行推斷列名； 2.如果顯式傳遞列名，則行為與header=None相同。顯式傳遞header=0，以便能夠 替換 現有名稱。

2.參數names： 指定要使用的列名列表。如果文件包含標題行，則應顯式傳遞header=0以覆蓋列名。此列表中不允許重復。

3.參數index_col： 指定要用作DataFrame行標簽的列，以字符串名稱或列索引的形式給出。如果給定int/str序列，則使用多索引。 注意：index_col=False可用于強制pandas不使用第一列作為索引，例如，當您有一個格式錯誤的文件，每行末尾都有分隔符時。

1.2 初步觀察

導入數據后，你可能要對數據的整體結構和樣例進行概覽，比如說，數據大小、有多少列，各列都是什么格式的，是否包含null等

1.2.1 任務一：查看數據的基本信息

df.info()

1.2.2 任務二：觀察表格前10行的數據和后15行的數據

#前十行 df.head(10)

#后15行 df.tail(15)

1.2.3 任務三：判斷數據是否為空，為空的地方返回True，其余地方返回False

df.isnull().head()

1.3 保存數據

1.3.1 任務一：將你加載并做出改變的數據，在工作目錄下保存為一個新文件train_chinese.csv

df.to_csv('train_chinese.csv')

總結

以上是生活随笔為你收集整理的Datawhale学习记录 动手学数据分析（以Kaggle泰坦尼克号为案例）——Task01数据加载及探索性数据分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。