第一章：数据载入及初步观察
- 1 第一章：探索性数据分析
* - 1.6.1 任务一：利用Pandas对示例数据进行排序，要求升序
- 1.6.2 任务二：对泰坦尼克号数据（trian.csv）按票价和年龄两列进行综合排序（降序排列），从这个数据中你可以分析出什么？
- 1.6.3 任务三：利用Pandas进行算术计算，计算两个DataFrame数据相加结果
- 1.6.4 任务四：通过泰坦尼克号数据如何计算出在船上最大的家族有多少人？
- 1.6.6 任务六：分别看看泰坦尼克号数据集中 票价、父母子女 这列数据的基本统计数据，你能发现什么？
复习：在前面我们已经学习了Pandas基础，知道利用Pandas读取csv数据的增删查改，今天我们要学习的就是探索性数据分析，主要介绍如何利用Pandas进行排序、算术计算以及计算描述函数describe()的使用。
1 第一章：探索性数据分析
开始之前，导入numpy、pandas包和数据
import numpy as np
import pandas as pd
df = pd.read_csv('train_chinese.csv')
1.6.1 任务一：利用Pandas对示例数据进行排序，要求升序
【问题】：大多数时候我们都是想根据列的值来排序,所以将你构建的DataFrame中的数据根据某一列，升序排列.
排序的函数是sort_index.
错误示范：
提示是
TypeError: sort_index() got an unexpected keyword argument ‘by’，
问题原因分析：pandas模块更新了，对有些方法进行重写，参数发生改变。
解决方法：将sort_index()改为sort_values()即可。
df.sort_values(by = ['年龄']).head()
【总结】下面将不同的排序方式做一个总结
1.让行索引升序排序
df.sort_index(axis=1).head()
2.让列索引升序排序
df.sort_index(axis=0).head()
3.让列索引降序排序
df.sort_index(axis=0,ascending=False).head()
df.sort_values(by = ['票价','年龄'],ascending=False).head(20)
4.让任选两列数据同时降序排序
df.sort_values(by = ['年龄','是否幸存'],ascending=False).head()
1.6.2 任务二：对泰坦尼克号数据（trian.csv）按票价和年龄两列进行综合排序（降序排列），从这个数据中你可以分析出什么？
在开始我们已经导入了train_chinese.csv数据，而且前面我们也学习了导入数据过程，根据上面学习，我们直接对目标列进行排序即可
head(20) : 读取前20条数据
df.sort_values(by = ['票价','年龄'],ascending=False).head(20)
【思考】排序后，如果我们仅仅关注年龄和票价两列。根据常识我知道发现票价越高的应该客舱越好，所以我们会明显看出，票价前20的乘客中存活的有14人，这是相当高的一个比例，那么我们后面是不是可以进一步分析一下票价和存活之间的关系，年龄和存活之间的关系呢？当你开始发现数据之间的关系了，数据分析就开始了。
多做几个数据的排序
df.sort_values(by = ['仓位等级','年龄'],ascending=True).head(20)
【思考】排序后，如果我们仅仅关注年龄和船仓两列。我们会明显看出，票价前20的乘客中存活的有16人，这是相当高的一个比例。所以，船舱和年龄之间肯定是有一定的联系
1.6.3 任务三：利用Pandas进行算术计算，计算两个DataFrame数据相加结果
frame1_a = pd.DataFrame(np.arange(9.).reshape(3, 3),
columns=['a', 'b', 'c'],
index=['one', 'two', 'three'])
frame1_b = pd.DataFrame(np.arange(12.).reshape(4, 3),
columns=['a', 'e', 'c'],
index=['first', 'one', 'two', 'second'])
frame1_a = frame1_a + frame1_b
1.6.4 任务四：通过泰坦尼克号数据如何计算出在船上最大的家族有多少人？
df.sort_values(by = ['兄弟姐妹个数','父母子女个数'],ascending=False).head(20)
【提醒】我们只需找出”兄弟姐妹个数”和”父母子女个数”之和最大的数，当然你还可以想出很多方法和思考角度，欢迎你来说出你的看法。
如果我们想看看在船上，最大的家族有多少人（’兄弟姐妹个数’+’父母子女个数’），我们该怎么做呢？
df["最大家族人数"]=df["兄弟姐妹个数"]+df["父母子女个数"]
df.sort_values(by = ['最大家族人数'],ascending=False).head(20)
1.6.6 任务六：分别看看泰坦尼克号数据集中 票价、父母子女 这列数据的基本统计数据，你能发现什么？
df["票价"].describe()
count 891.000000
mean 32.204208
std 49.693429
min 0.000000
25% 7.910400
50% 14.454200
75% 31.000000
max 512.329200
Name: 票价, dtype: float64
df["父母子女个数"].describe()
count 891.000000
mean 0.381594
std 0.806057
min 0.000000
25% 0.000000
50% 0.000000
75% 0.000000
max 6.000000
Name: 父母子女个数, dtype: float64
Original: https://blog.csdn.net/weixin_43793761/article/details/121920768
Author: _Wade_Li
Title: 《动手学数据分析》第一章1.6
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/751811/
转载文章受原作者版权保护。转载请注明原作者出处！