pandas内置数据集_pandas学习实例---Adult数据集（1）

在经过前期的学习后，我们需要一些实例操作来加深我们对pandas的熟悉程度。今天带来的是L在pandas学习之旅中，针对Adult数据集的一些学习笔记。

数据来源：https://archive.ics.uci.edu/ml/datasets/Adult​archive.ics.uci.edu

下载不了的同学可以从这里下载：

链接：https://pan.baidu.com/s/1RfueHHRJRAWPJVvB6KIdDg​pan.baidu.com

提取码：5cr0

首先，将文件导入我们的python中。(我用的是jupyter notebook )

import numpy as np

import pandas as pd

由于本次实例的主要目的是为了实践我们的pandas使用技巧，为了让一些刚刚接触数据分析和pandas的小伙伴更容易接受本次学习的内容，在正式实验之前，我将会对这个数据集做一些处理：包括修改特征名(列名)、删除某些特征列，以减少数据集的复杂度等。

df = pd.read_csv(r'C:\Users\Administrator\Desktop\adult.csv',header=None,encoding='utf-8')

df.drop(columns=[1,2,4,10,11],axis=1,inplace=True)

df.columns=['年龄', '教育程度', '婚姻状况', '职业', '家庭关系','人种','性别','每周工作时间','祖国','工资']

导入成功~

下面开始我们的实例学习之路~

1、查看我们数据的信息

data.head() #查看数据前五行

data.tail() #查看数据后几行

data.shape #查看数据的大小(几行几列)，查看矩阵或数组的维数

data.describe() #观察数据的描述性统计信息,观察是否有异常值

(1)

df.head()

(2)

df.shape

可以看到我们的数据有32561个样本，共10个特征(标签)。

(3)

df.info()

可以看到，我们的数据集很完整，没有缺失值。(如果有的话就要进行缺失值填补了，忘了的同学可以看这里下面的链接)侦探L：如何处理Pandas里的缺失值(入门篇1)​zhuanlan.zhihu.com

(4)在对我们的数据有初步了解后，下一步是根据我们的需求对数据进行操作，获取我们想要的信息。

由于本次实例旨在学习，因此我们可以对数据进行任意处理，以得到我们想知道的内容，下面是我本人设置的一些小题目：

1、查看数据集中的性别组成：

df['性别'].value_counts(normalize=True)

可以看到，调查的人中男性占67%，女性占33%。

2、统计在数据集中，不同种族和性别人群的年龄分布。

grouped=df['年龄'].groupby([df['人种'],df['性别']])

grouped.describe()

3、再来看看不同国籍每周工作时长的具体情况：

在这里，我们先使用group函数对我们的数据进行分组，然后用agg函数使用聚合操作。

df1=df['每周工作时间'].groupby(df['祖国']).agg(['mean','max','min'])

接着我们用.sort_values函数实现排序的功能。

df1.sort_values(by='mean',ascending=True)

忘记这三个函数的同学可以看下我之前的文章~侦探L：如何使用Python对数据进行排序(入门篇)​zhuanlan.zhihu.com侦探L：如何使用groupby函数对数据进行分组(1)​zhuanlan.zhihu.com侦探L：如何使用agg函数对数据进行分组聚合​zhuanlan.zhihu.com

接着我们就可以查看一下排序之后的结果了：

下面，我们重点研究在这个数据集中，工资与其他特征之间的联系(即研究一个人的其他特征是否影响他的工资收入)

首先让我们来看看“工资”这一列的具体信息。

df['工资'].value_counts()

在工资这一列中，只有“<=50K”和“>50K”两种情况。

再看看年龄和工资的关系。

df['年龄'].groupby(df['工资']).agg(['mean','min','max'])

从均值可以看到，工资在“50K”以上的，年龄要明显大一点。

再看看工资与教育程度的关系。

df['教育程度'].groupby(df['工资']).value_counts()

(这里看不懂英语的同学可以自行百度哦~)

当然了，教育程度与工资水平是否有明显关联，不能仅仅从这里就看出来。

由于时间问题，本次Adult数据集实例化学习先到这了，后续我会再出一篇写接下来的部分。

以上便是的内容，感谢大家的细心阅读，同时欢迎感兴趣的小伙伴一起讨论、学习，想要了解更多内容的可以看我的其他文章，同时可以持续关注我的动态~