小白也能上手的Python数据分析案例

小白也能上手的Python数据分析案例学习python的同学都会遇到这样一个困境：我已经看了无数的书籍，也练习过非常多的项目，但在面临一个新的数据分析问题时还是无从下手。只有真正将输入的知识转化为输出，才算是真正掌握这项技能。本文通过【泰坦尼克数据集】来做示例，通过对这个数据集的处理，手把手教你python数据分析，相信你在学完之后能够快速上手。-python安装

-如果你还没有安装Python环境，那么推荐你安装Anaconda，对于上手Python来说更加简单，不容易出差错。Anaconda的安装教程网上很多，进入Anaconda下载网址（/products/individual）

，找到对应版本客户端安装即可。安装好后，即可上手。-上手准备

-开始python的第一步，一定是导入相关的库：import

pandas

as

pd

import

numpy

as

np读取前五行数据，分析数据特点：file='titanic.csv'

df=pd.DataFrame(pd.read_csv(file))

df.head()数据情况如下：·survival-是否幸存（0=幸存，1=遇难）

·pclass-船票类型（1=一等票，2=二等票，3=三等票）

·sex-性别

·age-年龄

·sibsp-泰坦尼克号上该人员兄弟姐妹的数量

·parch-泰坦尼克号上该人员父母或者子女的数量

·ticket-船票编号

·fare-乘客票价

·cabin-客舱号码

·embarked-起航运港（C=Cherbourg,Q=Queenstown,S=Southampton）

·boat-救生艇的编号（如果幸存）

·body-人体编号（如果遇难并且尸体被找到）

·home.dest-出发地到目的地-数据处理

-数据查看01查看数据维度df.shape这是一个1310*14的数据集。02查看数据的整体分布df.describe()03查看数据集的空值，或者说是缺失值df.isnull().sum()Age列有264个空值，Cabin有1015，Embarked有3个，boat有824个，body有1189个，home.dest有565个。数据处理如果不习惯英文，我们可以将标签替换为中df.rename(columns={'survived':'是否获救','sex':'性别','name':'姓名','pclass':'船舱等级','sex':'性别','age':'年龄','sibsp':'兄弟姐妹数','parch':'父母小孩数','ticket':'船票','fare':'船票费','cabin':'客舱号码','embarked':'起航运港','boat':'救生艇编号','body':'人体编号','home.dest':'出发地到目的地'})01数据提取(1)按照索引提取：df.loc[666]

#提取索引值为666的那一行(2)指定位置提取：df.iloc[6:9,:3]#取第六,七八行的前3列(3)按照条件提取：df[(df['age']<=30)&(df['sex']=='female')]#年龄小于30岁以下的女性(4)巧用不等于：df[(df['survived']==1)&(df['pclass']!=3)].head()#提取非3等仓并且获救乘客的信息(5)query函数：df.query('pclass==[1,2]').head()

#船舱等级不等于1和2的02数据清洗(1)处理空值,用dropna删除空值df.dropna(how='any')

#发现Age中的空值会全部删掉

df.fillna(value=0)

#用数据0来填充空值

df['age'].fillna(df['age'].mean())

#用数据集里面的年龄均值来填充空值(2)去除重复值通过drop_duplicates可以快速的去掉重复值df['embarked'].drop_duplicates()#登船类别(3)值的替换#将survived列中1全部替换成3

df['survived'].replace(1,3).head()03数据排序(1)按索引排序#

默认axis=0，按行索引对行进行排序；ascending=True，升序排序

df.sort_index().head()#按列名对列进行排序，ascending=False降序

df.sort_index(axis=1,ascending=False).head()（2）按照年龄进行降序排列df.sort_values(by=['age'],ascending=False).head(5)(3)按照年龄升序排列df.sort_values(by=['age'],ascending=True).head(5)04数据分类与统计(1)groupby函数df.groupby('sex')['survived'].count()#性别获救统计df.groupby('pclass')['survived'].count()

#船舱等级获救统计(2)where函数df['是否成年']=np.where(df['age']>=18,'成年','未成年')

df.head(5)(3)切片分析比如我们希望对是非获救和船舱等级这个两个轴进行深入切片分析，这样的伎俩在R语言里面也经常用到，这里pandas给我们提供了非常方便的agg函数df.groupby(['survived','pclass'])['age'].agg(['size','max','min','mean'])(4)数据聚合df.pivot_table(columns=['sex'],index=['survived','pclass'],values='age',aggfunc={'age':[np.mean,min,max]})-数据分析与可视化

-01总体生还率分析df['survived'].mean()可以看到，约有38.2%的乘客生还。02

按乘客年纪和性别进行分析对性别进行分析：import

matplotlib.pyplot

as

plt

class_sex_grouping=df.groupby(['pclass','sex']).mean()

class_sex_grouping

class_sex_grouping['survived'].plot.bar(figsize=(12,

7),fontsize=12)从上面的分析中可以看出来，在惨剧发生的时候大家倾向于首先疏散女性。在所有的阶层中，女性都比男性更有可能生存下来。对年纪进行分析：group_by_age

=pd.cut(df["age"],np.arange(0,

90,

10))

age_grouping=df.groupby(group_by_age).mean()

age_grouping['survived'].plot.bar(figsize=(12,

7),fontsize=12)显然，儿童的生还比例是最高的，在本次灾难中儿童也得到了充分的优先照顾。03

按乘客阶级地位进行分析df.groupby('pclass').mean()船舱等级和年龄：titanic=sns.load_dataset('titanic')

sns.boxplot(x='pclass',y='age',data=titanic)年龄、船舱等级与是否生还：sns.violinplot(x='pclass',y='age',hue='surv