Pandas數據分析實戰01

• • 1. 數據描述
  • 2. 數據讀取
  • 3. 數據呈現
  • 4. 數據分析

打算從基礎開始學習數據分析，給自己一個整理內容和學習消化的時間，所以，這也將成為我的學習筆記。

1. 數據描述

原始數據集包括六個屬性：Gender，Length，Diameter，Height，Weight，Rings：

Gender ：M (male), F (female), I (infant)

Length：最長外殼尺寸（毫米）

Diameter：垂直于長度的直徑（毫米）

Height：帶殼肉的高度（毫米）

Weight：整只鮑魚的重量（克）

Rings：確定鮑魚的實際年齡，有點像估計一棵樹的年齡。 隨著鮑魚的生長，在鮑魚殼中形成環，通常以每年一環的速度形成。

2. 數據讀取

2.1 導入庫

import pandas as pd

2.2 讀取文件

data = pd.read_csv("abalone.csv")

2.3 查看數據表信息

先來一波兒基礎操作，熱熱身~

data.columns # 查看數據列名 data.shape # 查看數據框中有多少個觀測值 data.head(4) # 打印數據的前四行 data.head(4)['Rings'] # 打印前四行中Rings的值 data.tail(3) # 提取數據集的最后三行 data.tail(3)['Weight'] # 輸出最后三行鮑魚的重量 data.loc[577]['Diameter'] # 輸出第577行的直徑值 data.mean()['Height'] # 輸出高度列的平均值

什么(O_o)?? 沒難度？那是因為我不想讓你掉頭發！

# 提取 gender 為M并且 weight 值低于0.75的數據框的行子集 subset=data[(data['Gender']=='M') & (data['Weight']<0.75)] # 輸出此子集中 diameter 的平均值 subset.mean()['Diameter'] # 輸出年齡等于18的鮑魚的最小長度 data.loc[data["Rings"]==18,"Length"].min()

3. 數據呈現

3.1 鮑魚任意兩個屬性之間的關系可視化：
交叉表與熱圖結合（個人覺得是數據分析界的炸雞和啤酒）
熱圖的色彩變化豐富多樣、信息表達生動飽滿，搭配交叉表的使用，是一種非常不錯的可視化手段，被用于各種大數據分析場景，我在這里嘗試一下：

import seaborn as sns # 導入seaborn繪圖模塊 tab = pd.crosstab(data['Height'],data['Gender']) # 做Height列和Gender列的交叉表 sns.heatmap(tab) # 對交叉表進行熱圖呈現

輸出結果如下圖：

3.2 鮑魚三個屬性之間的關系可視化：

sns.scatterplot(data=data,x='Length',y='Weight',hue='Gender',s=300) plt.legend(loc='upper left')

輸出結果如圖：一般很難讀懂按這種方式可視化的多種特征的關系信息，下一次，會有更好地方式，值得期待。

4. 數據分析

？ 鮑魚的體重與它們有多少個環有關嗎？
劃重點 開始分析之前，先把數據清洗一下：

data.describe()

運行之后，是這醬紫的…

LengthDiameterHeightWeightRings

count	1000.000000	1000.000000	1000.000000	1000.000000	1000.000000
mean	0.522760	0.405955	0.141100	0.825540	11.318000
std	0.120064	0.098832	0.057064	0.490380	47.227697
min	0.075000	0.055000	0.000000	0.002000	1.000000
25%	0.450000	0.345000	0.115000	0.438875	8.000000
50%	0.545000	0.420000	0.145000	0.801000	9.000000
75%	0.615000	0.480000	0.165000	1.146250	11.000000
max	0.815000	0.650000	1.130000	2.555000	1500.000000

…
我們囧囧有神…哦不…是炯炯有神的兩只“照妖鏡”發現一只千年鮑魚精，呔！妖精，哪里逃，快還我真實數據~
于是，便有了下面一場"惡戰"（其實也就一行代碼，看來這只鮑魚精道行不夠）…
.

data.loc[data.Rings==1500,'Rings']=15

言歸正傳，數據集中難免存在數據錯誤，根據數據集中的其他相關數據，我將其修正為了15.
回到問題：鮑魚的體重和環之間是否存在聯系？
解決方案1

import matplotlib.pyplot as plt plt.scatter(data['Rings'],data['Weight']) plt.show()

輸出結果如下圖：從散點圖中可以看出，鮑魚的環和體重不存在明顯的相關關系。

解決方案2

data.corr() # 對數據集進行相關性分析

輸出結果如下：可見鮑魚的weight和rings并沒有很強的關聯.

LengthDiameterHeightWeightRings

Length	1.000000	0.987479	0.598616	0.920861	0.555995
Diameter	0.987479	1.000000	0.602035	0.923661	0.575281
Height	0.598616	0.602035	1.000000	0.585369	0.388355
Weight	0.920861	0.923661	0.585369	1.000000	0.532438
Rings	0.555995	0.575281	0.388355	0.532438	1.000000

解決方案3

data_mean=data.groupby('Rings').mean() # 求所有鮑魚的環的平均值 plt.plot(data_mean['Weight']) # 繪制折線圖

輸出結果如下：

奉上一張思維導圖

這篇筆記一定還有很多不完善的地方，希望朋友們多多提出不足，大家一起交流，期待！
下一次的筆記：

• 把所有數據分析可能用到的模塊函數進行總結

總結

以上是生活随笔為你收集整理的Pandas数据分析实战01--Abalone Data Set（鲍鱼数据集）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。