如何提升职场竞争力：像使用Excel一样使用Pandas

最新全套【Python入门到进阶资料 & 实战源码 &安装工具】（安全链接，放心点击）

Pandas功能非常强大，API非常多。这次我们按照Excel的功能来探索Pandas的常用功能。

同时为了更好的理解应用场景，我们从真实的数据出发，来探索数据中的真相。

本次选用的数据是kaggle提供的泰坦尼克号数据，大家一起深入了解一下这场上世纪之初的悲剧。

直接使用腾讯文档表格导入数据如下:

数据下载和在线链接都在文末的参考链接中

整个数据集大小是: 891行*12列数据。我们还需要了解一下各项数据的含义， 以更好的理解数据。

使用pandas可以这样导入数据:

# 导入numpy和pandas库
import pandas as pd
import numpy as np

# 载入 titanic_train.csv 数据，并且指定 `PassengerId` 为索引列
df = pd.read_csv('titanic_train.csv', index_col="PassengerId")
df

在pandas中数据大概这样:

需要说明两点:

• PassengerId作为索引没有计算到columns(列)中，所以是891行*11列, 比excel少一列
• 空值自动转换成NaN，而不是excel中的空

接下来我们从execl的下面5个功能开始熟悉pandas

1. 数据统计
2. 隐藏列
3. 排序
4. 筛选
5. 分组

数据统计

在excel中可以使用数据统计功能对数据进行简单分析:

从上图可以知道下面一些汇总信息:

• 总数计数，比如姓名891个
• 求和，比如总费用 28693.9493
• 未填写计数, 比如687个数据未记录船仓Cabin
• 分类，比如等级分三类，登船港口分三个
• 平均值，比如年龄均值29.69岁

在pandas中可以使用 info 查看信息:

df.info()

"""
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
 #   Column       Non-Null Count  Dtype  
---  ------       --------------  -----  
 0   PassengerId  891 non-null    int64  
 1   Survived     891 non-null    int64  
 2   Pclass       891 non-null    int64  
 3   Name         891 non-null    object 
 4   Sex          891 non-null    object 
 5   Age          714 non-null    float64
 6   SibSp        891 non-null    int64  
 7   Parch        891 non-null    int64  
 8   Ticket       891 non-null    object 
 9   Fare         891 non-null    float64
 10  Cabin        204 non-null    object 
 11  Embarked     889 non-null    object 
dtypes: float64(2), int64(5), object(5)
memory usage: 83.7+ KB
"""

显示数据:

• 年龄Age和船仓Cabin有缺失数据
• Name，Sex，Ticket，Cabin和Embarked是文本数据，其它为数字

也可以使用 describe 查看概况:

df.describe()

相比excel的数据统计，我们还可以得到一些更有用的结论/猜测:

• 年龄均值29.69， 最小4个月，最大80岁
• 存活均值0.38，不到四成的存活率( 一个悲伤的故事:( )
• 最便宜的船票大概是7.9（min=0估计是工作人员，排除在外）, 最贵的门票512.32 （看来jack和rose贫富差距很大）
• 船票均价32约等于四分位数Q3的值31，7成人低于平均，金字塔结构下层穷人比较多(50的标准差也说明这个问题)

隐藏列

excel中可以隐藏一些列，让数据分析时候更聚焦。因为Ticket和Embarked和存活没有关系，我们隐藏这两列:

在pandas中直接drop这两列就好了:

df = df.drop(columns=['Ticket', 'Embarked'])
df 

• 11列变成9列

排序

使用 船票降序，存活升序 多条件组合排序，可以猜测船票贵的可能存活率较高，其中最尊贵的的两位都存活了；女性存活率可能较高，比如227同等价位的，3位女性全部存活了。

更改一下船票使用升序，可以验证上面的猜测，满屏就805号幸运儿存活。

同时也可以发现一个有意思的特例数据，873号乘客是5元船票的1等座，价格和等级也不完全挂钩, 这个很重要。

在pandas中可以这样实现排序:

df.sort_values(by=['Fare','Survived'], ascending=[False, True]).head(20)

筛选

使用存活和船票等级筛选，并使用年龄降序，查找出可能最年幼的富豪:

考虑到泰坦尼克号事故是1912年的，这位11个月大的幸存者可能也已经离世。查找新闻找到最后幸存者伊莉莎白·格拉迪斯·迪安(Elizabeth Gladys Dean)的报道(有兴趣的朋友可以看参考链接), 对应测试数据集中的1426号乘客，当时仅九周(不在本训练数据集中)。

在pandas中可以这样实现这个筛选及排序:

df[(df.Survived==1)&(df.Pclass==1)].sort_values(by=['Age'])

和excel筛选一样，也可以选择任意条件，比如找出有空数据的行:

df[df['Age'].isnull()|df['Cabin'].isnull()].sort_values(by=['Fare'], ascending=False)

分组

excel中可以使用分组功能，对数据进行一些展示和统计:

pandas中的分组功能和excel的逻辑有点差异，不能够同时进行汇总或者求均值，可以先统计:

df.groupby(by=["Survived"]).sum()

• 存活下来的人总票价要高出一截，也可以猜测富人存活率高一点

再求均值:

df.groupby(by=["Survived"]).mean()

• 存活下来的人平均票价要高出一截，也可以猜测富人存活率高一点

我们还可以按照性别分类进行统计:

df.groupby(by=["Sex"]).mean()

• 女性的均值大于0.5，可以说明女性的存活率会更高(分布偏向1)

小结

我们通过分析泰坦尼克的数据，像使用Excel一样使用了Pandas，学习了数据统计、筛选、排序等常用功能。

参考链接

• titanic_train www.kaggle.com/datasets/te…
• 腾讯文档titanic_train
• 泰坦尼克号幸存者故事：最后1位2009年去世 tech.sina.cn/d/bk/2012-0…
• pandas.pydata.org/

以上就是今天的全部内容分享，觉得有用的话欢迎点赞收藏哦！

如果你对Python感兴趣，想要学习python，这里给大家分享一份Python全套学习资料，都是我自己学习时整理的，希望可以帮到你，一起加油！

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

1️⃣零基础入门

① 学习路线

对于从来没有接触过Python的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

② 路线对应学习视频

还有很多适合0基础入门的学习视频，有了这些视频，轻轻松松上手Python~

③练习题

每节视频课后，都有对应的练习题哦，可以检验学习成果哈哈！

Python兼职渠道推荐

学的同时助你创收，每天花1-2小时兼职，轻松搞定生活费.

2️⃣国内外Python书籍、文档

① 文档和书籍资料

3️⃣Python工具包+项目源码合集

①Python工具包

学习Python常用的开发软件都在这里了！每个都有详细的安装教程，保证你可以安装成功哦！

②Python实战案例

光学理论是没用的，要学会跟着一起敲代码，动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。100+实战案例源码等你来拿！

③Python小游戏源码

如果觉得上面的实战案例有点枯燥，可以试试自己用Python编写小游戏，让你的学习过程中增添一点趣味！

4️⃣Python面试题

我们学会了Python之后，有了技能就可以出去找工作啦！下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

上述所有资料 ⚡️ ，朋友们如果有需要的，可以扫描下方👇👇👇二维码免费领取🆓