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（https://www.anaconda.com/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文：
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']=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'])
python超全资料库安装包学习路线项目源码免费分享
(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='survived',data=titanic,split=True)
我们可以看出来，头等舱的乘客有62%的生还几率。相比之下，三等舱的乘客只有25.5%的生还概率。此外客舱越豪华，乘客的年纪也就越大。
关于python数据分析上手到这里就差不多了，从基本的数据处理到数据分析和可视化，走完这一套流程下来你可以看到利用python做数据分析其实很简单。
当然，这只是最基础的数据分析步骤，更深层更高级的数据分析还需要你去探索。
python超全资料库安装包学习路线项目源码免费分享
