在上一篇文章中足删，我們通過決策樹模型寿谴，對機器學習有了初步的認識；但是在整個數(shù)據(jù)分析的生命周期中失受，建模并不是第一位的讶泰，當我們拿到數(shù)據(jù)后，首先要對數(shù)據(jù)進行觀察拂到、解讀峻厚，從中發(fā)現(xiàn)我們所需要的特征變量，本文將簡要介紹如何通過Pandas對數(shù)據(jù)進行觀察與探索谆焊。
Pandas
就像我們前面提到的惠桃，任何機器學習、數(shù)據(jù)分析的第一步都是要先了解數(shù)據(jù)、解讀數(shù)據(jù)辜王， Pandas 是基于NumPy 的一種工具劈狐，該工具是為了解決數(shù)據(jù)分析任務而創(chuàng)建的。它納入了大量庫和一些標準的數(shù)據(jù)模型呐馆，提供了高效地操作大型數(shù)據(jù)集所需的工具肥缔。
有了Pandas，我們能快速便捷地處理數(shù)據(jù)汹来，你很快就會發(fā)現(xiàn)续膳，它是使Python成為強大而高效的數(shù)據(jù)分析環(huán)境的重要因素之一。
通常我們在使用中將pandas縮寫為pd收班，而Numpy縮寫為np
import pandas as pd
import numpy as np
Pandas中最重要的部分莫過于DataFrame了坟岔，有過數(shù)據(jù)庫基礎的讀者可以將它視為一個Excel的Sheet或SQL數(shù)據(jù)表。
Pandas 提供了許多強大的方法供您進行數(shù)據(jù)操作摔桦。
例如社付，接下來我們將演示如何使用Pandas觀察澳大利亞墨爾本的房價數(shù)據(jù)；Kaggle提供了一套愛荷華州的房價數(shù)據(jù)供您練習邻耕，您可以稍后在練習環(huán)境中回顧本文學到的知識鸥咖。
示例數(shù)據(jù)路徑在：../input/melbourne-housing-snapshot/melb_data.csv
我們通過下面的代碼來加載數(shù)據(jù)：
# 將路徑保存到變量，防止多處硬編碼
melbourne_file_path = '../input/melbourne-housing-snapshot/melb_data.csv'
# 從csv文件中讀取數(shù)據(jù)兄世，保存在名為 melbourne_data的DataFrame中
melbourne_data = pd.read_csv(melbourne_file_path)
# 輸出數(shù)據(jù)的統(tǒng)計信息啼辣，包含無缺數(shù)據(jù)量，最大值御滩、最小值鸥拧、均值、標準差艾恼，四分位數(shù)住涉，下面將會詳細介紹。
melbourne_data.describe()
解釋數(shù)據(jù)
describe輸出了一個8行n列的數(shù)據(jù)表
count
count行統(tǒng)計了此列共有多少行沒有缺失值钠绍，即：
某列具有缺失值的行 = 總行數(shù) - count;
出現(xiàn)缺失值可能有很多原因舆声，例如調(diào)查1室1廳的房屋時，不會詢問是否有第二個臥室柳爽。
mean
平均值媳握，即是算術(shù)平均值，反應此列特征的一般水平磷脯。
std
標準差蛾找，反應此列數(shù)據(jù)的離散程度，一個較大的標準差赵誓，代表大部分數(shù)值和其平均值之間差異較大打毛；一個較小的標準差柿赊，代表這些數(shù)值較接近平均值。
min幻枉、25%碰声、50%、75%熬甫、max
min max分別是最小值和最大值胰挑。
25%、50%椿肩、75%為四分位數(shù)瞻颂，分位數(shù)是將總體的全部數(shù)據(jù)按大小順序排列后，處于各等分位置的變量值郑象。如果將全部數(shù)據(jù)分成相等的兩部分贡这，它就是中位數(shù)；如果分成四等分扣唱，就是四分位數(shù)藕坯。
第一四分位數(shù) (Q1)团南，又稱“較小四分位數(shù)”噪沙，等于該樣本中所有數(shù)值由小到大排列后第25%的數(shù)字。
第二四分位數(shù) (Q2)吐根，又稱“[中位數(shù)]”浮梢，等于該樣本中所有數(shù)值由小到大排列后第50%的數(shù)字萝嘁。
第三四分位數(shù) (Q3)，又稱“較大四分位數(shù)”，等于該樣本中所有數(shù)值由小到大排列后第75%的數(shù)字坑傅。
第三四分位數(shù)與第一四分位數(shù)的差距又稱[四分位距]（InterQuartile Range,IQR）。
通過四分位數(shù)矾兜，可以看出一個變量的分布情況是左偏寸宵、右偏或?qū)ΨQ分布。
進入練習
點擊下面的網(wǎng)址進入練習題术幔，您可能先要注冊并登錄kaggle
https://www.kaggle.com/kernels/fork/1258954
本練習將測試您讀取數(shù)據(jù)和對數(shù)據(jù)進行統(tǒng)計觀察的能力另萤，對有基礎的讀者來說，這可能很簡單诅挑，但本教程是一個循序漸進的過程四敞，后面將會有更多更深入的數(shù)據(jù)預處理、模型構(gòu)建拔妥、模型改進的練習忿危。
課程中使用了墨爾本的數(shù)據(jù)，為了保證練習效果没龙，避免直接抄襲課件铺厨，您必須使用新的數(shù)據(jù)集缎玫，來自愛荷華州的房價數(shù)據(jù)。
在此練習中解滓，你要學習使用Notebook編碼環(huán)境碘梢，如果您不熟悉，可以觀看一個90秒的介紹視頻（有墻）
首先要將這段初始化代碼運行一下伐蒂，鼠標點進去按Shift+Enter煞躬，下方顯示 Setup Complete，表示執(zhí)行成功逸邦。
# Set up code checking
from learntools.core import binder
binder.bind(globals())
from learntools.machine_learning.ex2 import *
print("Setup Complete")
如果不執(zhí)行這段代碼恩沛，下面的代碼將無法執(zhí)行，例如：
第一步缕减，加載數(shù)據(jù)
您需要完善下面的代碼雷客，然后按Shift+Enter執(zhí)行代碼，加載數(shù)據(jù)
import pandas as pd
# Path of the file to read
iowa_file_path = '../input/home-data-for-ml-course/train.csv'
# Fill in the line below to read the file into a variable home_data
home_data = pd.read_csv(_)
# Call line below with no argument to check that you've loaded the data correctly
step_1.check()
step_1.check()會對您的結(jié)果進行檢查桥狡，如果填寫正確搅裙，將會有綠色的Correct字樣
當然，如果您不知道怎么做裹芝，可以取消下面這段二級提示代碼的注釋部逮，運行它；其中第一級提示hint()為您講解需要使用什么技術(shù)嫂易，第二級提示Solution給出了正確的源代碼兄朋，如果您只是需要一點技術(shù)提示，請先看看hint()的提示是否能夠喚起你的記憶怜械。
# Lines below will give you a hint or solution code
# step_1.hint()
# step_1.solution()
例如：
# Lines below will give you a hint or solution code
step_1.hint()
step_1.solution()
最后颅和，通過本文，我們了解到Pandas的冰山一角缕允，并且掌握了打開kaggle練習題的正確姿勢峡扩，為了避免被噴，以后的文章中不再對這部分重復講解障本。
