十分钟掌握数据分析及可视化基本操作 _数据分析

为了更好地掌握数据科学必备库Pandas的基本使用，本文通过精灵宝可梦的数据集实战，我们一起过一遍Pandas的基本操作，文中的代码都附有注释，并给出了结果的配图。
话不多说，我们开始吧！

导入pandas库，并读取csv文件

import pandas as pddf=pd.read_csv('pokemon/Pokemon.csv')

查看DataFrame信息

df.info()# 数据类型，内存消耗等信息df.describe()# 统计特征，均值方差等

文章插图

查看DataFrame的前几行以及后几行

pd.head(n=5)# 可以添加参数n，表示显示几行pd.tail()

文章插图

显示行列信息

df.index# 列索引df.columns# 行索引df.values# array对象df.dtypes# 列元素属性

删除行列

df.drop(['#'],axis=1,inplace=True)# 删除‘#’列数据，在原DataFrame上改变df.drop([1,2,3],axis=0)# 删除行索引为1、2、3的行，不在原DataFrame上改变

修改列名(两种方法将‘Type 1’以及‘Type 2’中间的空格去掉)

df.rename(columns={'Type 1':'Type1','Type 2':'Type2'})df.columns=df.columns.str.replace(' ','')

数据观察

df['Defense'].mean()# 所有宝可梦Defense的均值df['Attack'].argmax()# Attack最高的行索引df['Sp.Atk'].idxmax()# Sp.Atk最高的行索引df.sort_values('HP',ascending=False).head(3)# HP最多的前三条数据df['Type1'].unique()# Type1一共有哪些种类df['Type1'].nunique()# Type1一共有几种df['Type2'].value_counts()# Type2每种共有多少条

检测空值

df.isnull().sum().sort_values(ascending=False)# 将空值判断进行汇总，按从高到低排序

文章插图

空值填充

df['Type2'].fillna(value=https://www.isolves.com/it/cxkf/yy/Python/2020-08-17/"Unknown",inplace=True)# 将所有空缺值填为Unknowndf['Type2'].fillna(df['Type1'], inplace=True)# 将所有Type2空缺值填为其对应Type1的值

删除空值

df.dropna(how='any')# 去除所有包含空值的行

去重

df.drop_duplicates(['Type1'],keep='first')# 去除相同的Type1的数据，仅保留第一个

数据条件查询

df[df['Name']=='Squirtle']# 查看杰尼龟的数据df[df['Type1'].isin(['Fire'])]# 查看所有Type1为Fire的数据df[(df['Generation']==1)&(df['Attack’]>=100)]# 查看Generation为1并且攻击力大于100的宝可梦

文章插图
【十分钟掌握数据分析及可视化基本操作】

数据访问方式(单行索引)

df.loc[3]# 访问行索引为3的数据df.iloc[3]# 访问第4行数据，两行代码结果相同

文章插图

数据访问方式(区域索引，先行后列)

df.iloc[:5,:2]# 数据前5行前两列，按位置索引

文章插图

df.loc[10:15,['Generation','Attack','Sp.Atk']]# 数据行标签10-15，列标签Generation,Attack和Sp.Atk，按标签索引df.loc[[10,11,12,13,14,15],['Generation','Attack','Sp.Atk']]# 与上述写法结果相同

文章插图

df.loc[(df['Legendary']==True)|(df['Type1']=='Grass')]# Legendary为真或者Type1为Grass的数据

参考资料：Pandas官方文档

接下来我们主要涉及seaborn以及matplotlib两个可视化库。
上半篇我们主要使用matplotlib来进行柱状图、散点图、饼图折线图等的绘制，下半篇主要使用seaborn来进行箱线图、小提琴图、分簇散点图、热力图等的绘制。本文是下半篇，上半篇链接在这里。
箱线图箱线图可以提供数据位置及其分散情况的关键信息，主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。