Pandas數(shù)據(jù)探索與實踐

介紹


? ? ? ?只要我們要用Python來做數(shù)據(jù)分析赋荆,就避免不了用到Pandas。Python有很多用于數(shù)據(jù)清洗和數(shù)據(jù)準備的庫,但是很少有數(shù)據(jù)分析和數(shù)據(jù)建模的庫。Pandas的出現(xiàn)彩倚,使得我們能在Python中解決大多數(shù)數(shù)據(jù)分析的問題,而不用切換到一些特殊語言如R中扶平,這樣就減少了我們許多的工作量帆离。

內(nèi)容


1.Pandas下載與基本教程

2.Pandas數(shù)據(jù)探索的基本流程

3.用Pandas對Titanic數(shù)據(jù)進行初步探索

Pandas下載與基本教程


我們可以從官網(wǎng)上下載Pandas,也可以在終端中直接下載:

easy_install pandas

Pandas的簡單教程是Pandas作者Wes McKinney寫的10-minute tour of pandas结澄。

不過要認真學習Pandas的話還應(yīng)該買一本作者的書:

Pandas數(shù)據(jù)探索基本流程


在數(shù)據(jù)處理中哥谷,我們經(jīng)常會有一些常用的步驟,比如讀取數(shù)據(jù)麻献,處理缺失值等们妥。這里我貼出Pandas的Cheatsheet,里面包含一些簡單的Pandas數(shù)據(jù)操作赎瑰。

Cheatsheet


Pandas實戰(zhàn)


? ? ? ?通過對上述知識的學習王悍,我們知道了數(shù)據(jù)分析探索的一點點過程。下面我們就進行一些實戰(zhàn)餐曼,把這些東西鞏固一番。

獲取數(shù)據(jù)

首先鲜漩,我們的數(shù)據(jù)來自于kaggle泰坦尼克號,我們從中獲取數(shù)據(jù)源譬,一個是訓練數(shù)據(jù),用來訓練模型孕似,一個測試數(shù)據(jù)踩娘,用來評估模型。數(shù)據(jù)分析探索主要是利用訓練數(shù)據(jù)喉祭。

讀取數(shù)據(jù)

得到數(shù)據(jù)之后养渴,我們就要讀取數(shù)據(jù),其數(shù)據(jù)格式為csv泛烙,我們就可以使用上面所述的方法理卑,進行讀取.

這里我用的是ipython的notebook,有興趣的可以自己去看看蔽氨。前面都是引入模塊藐唠,最后才是讀取數(shù)據(jù)帆疟。

了解數(shù)據(jù)

? ? ?讀取完數(shù)據(jù)之后,我們就要看看數(shù)據(jù)的結(jié)構(gòu)宇立,有多少個變量踪宠,多少個樣本。

? ? ? 這樣我們就知道妈嘹,這個數(shù)據(jù)有12個變量柳琢,891個樣本。知道大概結(jié)構(gòu)后润脸,我們又想知道柬脸,變量有哪些?變量的類型是什么津函?

? ? ?這樣我們就知道了數(shù)據(jù)變量有PassengerID,Survived,Pclass,Age,Name,Sex,SibSp,Parch,Ticket,Fare,Cabin,Embarked12個肖粮,結(jié)合kaggle上對這些變量的描述,我們就對這些變量的類型有所了解尔苦。

探索數(shù)據(jù)

? ? ? ?于是我們就開始了數(shù)據(jù)探索與數(shù)據(jù)清洗之旅涩馆。遇到數(shù)據(jù)處理,我們首先處理信息量比較多的變量允坚,一般先是連續(xù)型變量魂那,接著是分類變量,然后才是文本稠项,而對于一些對我們預(yù)測數(shù)據(jù)無關(guān)緊要的變量涯雅,可以選擇直接刪除。

? ? ? ?在這我們就只有年齡和船費為連續(xù)型變量展运,我們先要處理年齡這個常見變量活逆。我們先要看看其是否有缺失值。

? ? ? ?這里我們就看出來缺失值有177個拗胜,占總樣本20%蔗候,不算太多,也不算太少埂软。對于異常值的處理锈遥,我會另外寫一篇文章,專門介紹異常值的處理勘畔,這里我們就用常用的方法——平均值代替所灸。

我們分析一下Age的數(shù)值度量:

? ? ? ?其中位數(shù)與均值相同,我們初步判定其為正態(tài)分布炫七,要確定是否為正態(tài)分布爬立,還需要將其可視化,其可視化方法诉字,在我的另一篇文章有說過懦尝。

從這里我們就可以看出知纷,連續(xù)型變量Age趨近于正態(tài)分布。接下來以同樣的方法分析船費陵霉。

可以看出琅轧,船費不是正態(tài)分布,其有少許異常值踊挠,需要進行一些處理后才能建模乍桂。

探索數(shù)據(jù)分析

? ? ? ?對于分類數(shù)據(jù)的探索,我們應(yīng)根據(jù)分類數(shù)據(jù)對目標數(shù)據(jù)的影響來分析效床,比如我們可以看Pclass對Survived的影響睹酌。

Pclass第三層存活的人數(shù)比較多,也可能會是因為人數(shù)比較多剩檀,所以存活人數(shù)多憋沿,主要要看存活比率。

這樣就可以看出沪猴,1層的存活率比較高辐啄。其實我們還可以看看,Sex和Pclass對Suvived影響

結(jié)束語

? ? ? ? 這樣运嗜,我們就簡單的探索了一下基本的變量壶辜,得到了一些變量的基本概貌。還有很多的問題等待我們?nèi)ソ鉀Q担租,如何處理異常值值砸民?名稱是否與生存率有關(guān)?我們用什么算法去建立模型奋救?這些問題讓數(shù)據(jù)分析變的無比的吸引人岭参。

參考

http://www.analyticsvidhya.com/blog/2014/09/data-munging-python-using-pandas-baby-steps-python/

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市尝艘,隨后出現(xiàn)的幾起案子冗荸,更是在濱河造成了極大的恐慌,老刑警劉巖利耍,帶你破解...
    沈念sama閱讀 223,002評論 6 519
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異盔粹,居然都是意外死亡隘梨,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,357評論 3 400
  • 文/潘曉璐 我一進店門舷嗡,熙熙樓的掌柜王于貴愁眉苦臉地迎上來轴猎,“玉大人,你說我怎么就攤上這事进萄∧聿保” “怎么了锐峭?”我有些...
    開封第一講書人閱讀 169,787評論 0 365
  • 文/不壞的土叔 我叫張陵,是天一觀的道長可婶。 經(jīng)常有香客問我沿癞,道長,這世上最難降的妖魔是什么矛渴? 我笑而不...
    開封第一講書人閱讀 60,237評論 1 300
  • 正文 為了忘掉前任椎扬,我火速辦了婚禮,結(jié)果婚禮上具温,老公的妹妹穿的比我還像新娘蚕涤。我一直安慰自己,他們只是感情好铣猩,可當我...
    茶點故事閱讀 69,237評論 6 398
  • 文/花漫 我一把揭開白布揖铜。 她就那樣靜靜地躺著,像睡著了一般达皿。 火紅的嫁衣襯著肌膚如雪天吓。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,821評論 1 314
  • 那天鳞绕,我揣著相機與錄音失仁,去河邊找鬼。 笑死们何,一個胖子當著我的面吹牛萄焦,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播冤竹,決...
    沈念sama閱讀 41,236評論 3 424
  • 文/蒼蘭香墨 我猛地睜開眼拂封,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了鹦蠕?” 一聲冷哼從身側(cè)響起冒签,我...
    開封第一講書人閱讀 40,196評論 0 277
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎钟病,沒想到半個月后萧恕,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,716評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡肠阱,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,794評論 3 343
  • 正文 我和宋清朗相戀三年票唆,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片屹徘。...
    茶點故事閱讀 40,928評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡走趋,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出噪伊,到底是詐尸還是另有隱情簿煌,我是刑警寧澤氮唯,帶...
    沈念sama閱讀 36,583評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站姨伟,受9級特大地震影響惩琉,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜授滓,卻給世界環(huán)境...
    茶點故事閱讀 42,264評論 3 336
  • 文/蒙蒙 一琳水、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧般堆,春花似錦在孝、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,755評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至和橙,卻和暖如春仔燕,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背魔招。 一陣腳步聲響...
    開封第一講書人閱讀 33,869評論 1 274
  • 我被黑心中介騙來泰國打工晰搀, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人办斑。 一個月前我還...
    沈念sama閱讀 49,378評論 3 379
  • 正文 我出身青樓外恕,卻偏偏與公主長得像,于是被迫代替她去往敵國和親乡翅。 傳聞我的和親對象是個殘疾皇子鳞疲,可洞房花燭夜當晚...
    茶點故事閱讀 45,937評論 2 361

推薦閱讀更多精彩內(nèi)容