动手学习数据分析(一)——数据探索性分析
Task01-数据加载及探索性数据分析
pandas 的数据结构:
基本概念:轴(Axis)和标签(Label)
数据框(DataFrame)的数据结构(存储二维数据)
数据框的 row 和 column 是 Axis,行索引和列名称是 Label
序列(Series)的数据结构(存储一维数据)
序列是一堆结构,DataFrame的每一列都是一个序列,序列结构只有行索引,没有列名称。序列包含数据和行索引
切片:
iloc 和 loc 都是对数据切片处理,只不过输入参数形式不一样
文件名.loc [ [ 行数 ],[ 列的名称] ]
文件名.loc [ [ 行数 ],[ 列数] ]
在数据分析中要养成一种思维:选取出对研究结果有价值的列数自由组合,用描述性统计总结样本的数字特征。
1.1载入数据
1.1.1任务一:导入numpy和pandas
import numpy as np
import pandas as pd
1.1.2任务二:载入数据
(1)相对路径载入
df=pd.read_csv('train.csv')
必须将数据与jupyter文件放在同一路径下
(2)绝对路径载入
df=pd.read_csv('E:/暑期学习/动手学数据分析/第一单元项目集合/train.csv')
拓展1:TSV与CSV的区别: 1)从名称上即可知道,TSV是用制表符(Tab,'\t')作为字段值的分隔符;CSV是用半角逗号(',')作为字段值的分隔符; 2)IANA规定的标准TSV格式,字段值之中是不允许出现制表符的。3) CSV形式相比较TSV形式更常见。
文本文件读取:
1、使用read_table来读取txt文本文件
pandas.read_table(数据文件名, sep=’\t’, header=’infer’, names=None,index_col=None, dtype=None, engine=None, nrows=None)
2、使用read_csv函数来读取csv、tsv、txt文件
pandas.read_csv(数据文件名, sep=’,’, header=’infer’, names=None, index_col=None,dtype=None, engine=None, nrows=None)
Excel文件读取
pandas.read_excel(文件名, sheetname=0, header=0, index_col=None, names=None, dtype=None)
文本文件存储
DataFrame.to_csv(path_or_buf=None, sep=’,’, na_rep=”, columns=None, header=True,index=True,index_label=None,mode=’w’,encoding=None)
Excel文件储存
DataFrame.to_excel(excel_writer=None, sheetname=None'’, na_rep=”, header=True,index=True, index_label=None, mode=’w’, encodin
其他注意事项:
- os.getcwd() 查看当前工作目录
- read_csv 从文件、URL、文件型对象中加载带分隔符的数据,默认分隔符为逗号,read_csv中每一个字符串作为一列,所以输出格式为 [891 rows x 12 columns]
- read_table 从文件、URL、文件型对象中加载带分隔符的数据,默认分隔符为制表符(“ \t ”),read_table中每一行字符串为一列,输出格式为 [891 rows x 1 columns]
- 通过读取时改变分隔符参数,可以让他们效果一样。
- del , drop(inplace = True) , drop(inplace = False)是不同程度的删除数据 。drop(inplace = False) 是最轻程度的删除数据,它只是返还视图,并不改变DataFrame的存储空间。del 函数和drop(inplace = True) 删除指定列,改变DataFrame的存储空间,并不改变原数据
- 当数据量特别大,我们需要只想读取其中一部分或对数据进行逐块处理时,需要进行逐块读取
参考文章:
动手学数据分析-Task01:数据加载及探索性数据分析
动手学数据分析-Task01:数据加载及探索性数据分析
动手学数据分析task01 数据加载及探索性数据分析_小小小泥鳅的博客-CSDN博客
动手学习数据分析(一)——数据探索性分析相关推荐
- 数据探索性分析_探索性数据分析
数据探索性分析 When we hear about Data science or Analytics , the first thing that comes to our mind is Mod ...
- 竞赛入门-数据探索性分析(EDA)
竞赛入门-数据探索性分析 总览 数据科学库 Numpy Scipy Pandas 可视化库 matplotlib seaborn missingno库 载入数据 数据总揽 数据检测 缺失值检测 异常值 ...
- 机器学习的第一个难点,是数据探索性分析
作者 | 陆春晖 责编 | 寇雪芹 头图 | 下载于视觉中国 当我们在进行机器学习领域的学习和研究时,遇到的第一个难点就是数据探索性分析(Exploratory Data Analysis).虽然从各 ...
- #数据挖掘--第1章:EDA数据探索性分析
#数据挖掘--第1章:EDA数据探索性分析 一.序言 二.EDA的意义 三.EDA的流程 一.序言 本系列博客面向初学者,只讲浅显易懂易操作的知识.包含:数据分析.特征工程.模型训练等通用流程.将 ...
- python实现二手汽车价格预测(一)初始数据探索性分析
python实现二手汽车价格预测(一)初始数据探索性分析 零基础入门数据挖掘的 EDA-数据探索性分析 部分,带你来了解数据,熟悉数据,和数据做朋友. 一.EDA目标 EDA的价值主要在于熟悉数据集, ...
- 关于二手车交易预测的数据探索性分析
关于二手车交易预测的数据探索性分析 我们为什么要进行数据分析呢?这是我摘自一个博客的一个答案,希望能给您帮助:探索性数据分析(Exploratory Data Analysis,简称EDA),摘抄网上 ...
- Kaggle泰坦尼克号数据机器学习实战:从缺失值处理、数据探索性分析、组合特征生成到多模型构建
Kaggle泰坦尼克号数据机器学习实战:从缺失值处理.数据探索性分析.组合特征生成到多模型构建 泰坦尼克号的沉没是历史上最为人熟知的海难事件之一. 1912 年 4 月 15 日,在她的处女航中,泰坦 ...
- 数据探索性分析(EDA)常用方法大合集
EDA(Exploratory Data Analysis),全名为数据探索性分析,是通过了解数据集,了解变量间的相互关系以及变量与预测值之间的关系,从而帮助我们后期更好地进行特征工程和建立模型,是数 ...
- 天池二手车交易价格预测Task2-赛题理解与数据探索性分析(EDA)
一.赛题理解 1.1赛题概述 赛题以预测二手车的交易价格为任务,该数据来自某交易平台的二手车交易记录,总数据量超过40w,包含31列变量信息,其中15列为匿名变量.为了保证比赛的公平性,将会从中抽取1 ...
最新文章
- 20155222 第二周测试
- 图解分布式架构的演进过程
- crosstool-ng 编译交叉工具链的常见错误及解决办法
- pygame.error: font not initialized的解决及init()到底干了什么
- hadoop jar 找不到main class_10年老架构,教你HadoopJob使用第三方依赖jar文件,不来就后悔吧...
- windowsxp安装python什么版本合适_XP系统安装Python,python
- git管理工具commit后提交记录消失不见
- 数据结构与算法分析(七)递归
- 商业创业计划书ppt你的绝佳选择
- phpadmin删除数据库中的用户
- python调用百度地图API 实现单点沿线轨迹运动
- java JLabel改变大小后如何刷新_【基本功】Java动态追踪技术探究
- 电商时代的逆向思维法则
- 利用SMTP协议实现邮件的发送(以163和qq邮箱为例)
- 史上最全的IDEA快捷键总结
- 《TCP IP网络编程》阅读笔记及部分《图解 TCPIP》《图解 HTTP》补充笔记
- window 10系统安装adb出现问题和解决方法
- 五年内做到国内第一 极米科技上市就会是巅峰吗?
- FP-growth算法发现频繁项集(二)——发现频繁项集
- 医疗设备物联网安全报告
热门文章
- keepalived+lvs实现高可用的负载均衡
- Exception in thread main java.lang.NoClassDef...
- 您已登录了一个相同的QQ账号,不能重复登录”的解决办法
- C语言中的逗号操作符
- NAB展会新闻:微软和媒体娱乐合作伙伴在Windows Azure平台上发展数字供应链解决方案...
- WIN10什么都没开内存占用率过高, WIN7单网卡设置双IP
- ubuntu安装中文字体,python plt 绘图显示中文
- 科研论文绘图:ppt, word,latex,python matplotlib绘图 ,矢量图,高清图,放大不失真
- BZOJ3309 DZY Loves Math(莫比乌斯反演+线性筛)
- AutoFac IoC DI 依赖注入