目录
Pycharm的安装即环境配置
首先到官网下载pycharm，http://www.jetbrains.com/pycharm/download/#section=windows
?选择Community(社区版），下载
双击.exe文件后，选择目录时建议改为D盘、E盘等
在查阅一番资料后了解到，这里安装时不建议选择.py，因为后续会出现关联，打开.java文件时会用pycharm默认打开。
?接下来点击Install，出现安装界面。
如果之前没有下载有Python解释器的话，需要下载python解释器，不然pycharm只是一个虚壳。进入python官方网站： https://www.python.org/.
选择需要的python版本号，点击Download，我选择的是python3.8.6-executable可执行版。
注释：64代表64位，executable表示可执行版，下载得到exe文件进行程序安装
?剩余具体安装步骤请参考网上其他博客学习，这里不做多与赘述
本次组队学习需要用到的是python中的两个库numpy和pandas进行后续的数据分析学习，pycharm安装好后由于一系列因素在pycharm中我的numpy和panadas无法进行import操作，于是下载安装了另外一款操作简单的软件anaconda
anaconda安装链接：https://www.anaconda.com/
安装好的界面如下，可以选择安装自己需要的库
安装好以后打开JupyterLab
数据分析学习
1.pd.read_csv()和pd.read_table()的不同
通过上图我们可以看出，用pd.read_table()加载数据时，数据的间隔变得紧凑，查阅资料后得知，这是因为它们的默认切割符号不一样,read_table默认是'\t'(也就是tab)切割数据集的;而read_csv默认是','(也就是逗号)切割数据集的;
2.使pd.read_table()达到和pd.read_csv()同样的效果
?给出sep=‘，’即可
3. .tsv和.csv格式文件的区别及Python处理
TSV：tab separated values；即“制表符分隔值”，如：
name age
张三 15
李四 16
?CSV： comma separated values；即“逗号分隔值”，如：
name,age
张三,15
李四,16说白了，TSV文件和CSV的文件的区别是：前者使用\t作为分隔符，后者使用,作为分隔符。
4.每1000行为一个数据模块，逐块读取
chunker = pd.read_csv('train.csv', chunksize=1000)
for chunker in df:
print(chunker)执行结果如下
理解：逐块读取用于数据量大时，可以较为整体地了解数据的情况，暂时忽略其内部的具体构成，可以对数据有一个大体的判断。
5.将表头改成中文，索引改为乘客ID [对于某些英文资料，我们可以通过翻译来更直观的熟悉我们的数据]
df = pd.read_csv('train.csv', names=['乘客ID','是否幸存','仓位等级','姓名','性别','年龄','兄弟姐妹个数','父母子女个数','船票信息','票价','客舱','登船港口'],index_col='乘客ID',header=0)
df.head()
?6.观察数据
- 查看数据的基本信息，有多少行多少列等
-
df.info - 观察前15行数据和后10行数据
-
df.head(15) df.tail(10) - 查看数据的基本信息
df.head(n) 查看DataFrame对象的前n行
df.tail(n) 查看DataFrame对象的最后n行
df.info() 查看索引、数据类型和内存信息
df.unique() 快速查看数据列有哪些分类内容，
df.sum() 返回所有列的求和值
df.mean() 返回所有列的均值
df.corr() 返回列与列之间的相关系数
df.count() 返回每一列中的非空值的个数
df.max() 返回每一列的最大值
df.min 返回每一列的最小值
df.median() 返回每一列的中位数
df.std() 返回每一列的标准差 - 判断数据是否为空，为空的地方返回True，其余地方返回False
-
df.isnull().head()保存数据
-
df.to_csv('train_chinese.csv')