（讲解+实例）带你熟悉Python中的数据分析库Pandas

前言

本篇博文对python的数据分析库pandas做了简略的介绍和应用指导，包含pandas模块简介，pandas绘图函数，read_csv，head方法，tail方法，columns方法，shape方法，loc方法，通过列读取数据，对数据加减乘除及其他操作，对数据排序和泰坦尼克号数据集例子。

pandas模块简介

pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。

Pandas中常见的数据结构有两种：

Series	DateFrame
类似一维数组的对象	类似多维数组/表格数组；每列数据可以是不同的类型；索引包括列索引和行索引。
Series

• 构建Series：ser_obj = pd.Series(range(10))
• 由索引和数据组成（索引在左<自动创建的>，数据在右）。
• 获取数据和索引：ser_obj.index; ser_obj.values
• 预览数据： ser_obj.head(n);ser_obj.tail(n)

DateFrame

• 获取列数据：df_obj[col_idx]或df_obj.col_idx
• 增加列数据：df_obj[new_col_idx] = data
• 删除列：del df_obj[col_idx]
• 按值排序：sort_values(by = “label_name”)

常用方法

方法名称	方法功能
Count	非NA值得数量
describe	针对Series或各DataFrame列计算汇总统计
min\max	计算最小值和最大值
argmin\argmax	计算能够获取到最大值或最小值的索引位置
idxmin\idxmax	计算能够获取到最小值和最大值的索引值
quantile	计算样本的分位数（0-1）
sum	值得总和
mean	值得平均值
median	值的算术中位数（50%分位数）
mad	根据平均值计算平均绝对离差
var	样本值得方差
std	样本值得标准差
skew	样本值的偏度（三阶距）
kurt	样本值的峰度（四阶距）
cumsum	样本值的累计和
cummin\cummax	样本值的累计最大值和累计最小值
cumprod	样本值的累计积
diff	计算一阶差分（对时间序列很有用）
pct_change	计算百分数变化

处理缺失数据

• Dropna()丢弃缺失数据
• Fillna()填充缺失数据

数据过滤

Df[filter_condition]依据filter_condition(条件)对Df(数据)进行过滤。

绘图功能

Plot(kind,x,y,title,figsize)
Kind(绘制什么形式的图),x（x轴内容）,y（y轴内容）,title（图标题）
    ,figsize（图大小）

保存图片：

plt.savefig()

Pandas的绘图函数

之前看的直接用matplotlib来绘图，画一张图还得配置各种标题，刻度标签等等。而pandas的DataFrame和Series都自带生成各类图表的plot方法，就可以省略去写行列标签，分组信息等。明显更简洁的多。

• 线型图

plot方法默认生成的就是线形图。

s = Series(data=np.random.randint(0,10, size=10))
s.plot()

• 柱状图

Series柱状图示例：

kind = 'bar'/'barh'
s.plot(kind='bar')
s.plot(kind='barh')

DataFrame柱状图示例

df.plot(kind='bar')

• 直方图

rondom生成随机数百分比直方图，调用hist方法

1. 柱高表示数据的频数，柱宽表示各组数据的组距 参数bins可以设置直方图方
2. 柱的个数上限，越大柱宽越小，数据分组越细致
3. 设置normed参数为True，可以把频数转换为概率

s.plot(kind='hist')

kde图：核密度估计，用于弥补直方图由于参数bins设置的不合理导致的精度缺失问题

s.plot(kind='hist',bins=10,density=True) s.plot(kind='kde')

绘制一个由两个不同的标准正态分布组成的的双峰分布

n1 = np.random.normal(loc=10, scale=5, size=1000)
n2 = np.random.normal(loc=50, scale=7, size=1000)
n = np.hstack((n1,n2))
s = Series(data=n)
s.plot(kind='hist',bins=100,density=True)
s.plot(kind='kde')

• 散布图

这是官网上关于scatter_matrix方法的描述：
（有网友说看不懂，所以后期我又自己添加了翻译）

 pandas.plotting.scatter_matrix(frame,alpha=0.5,figsize=None,ax=None,
                                grid=False,diagonal='hist',marker='.',
                                density_kwds=None, hist_kwds=None, 
                                range_padding=0.05, **kwargs)
 #主要列举了scatter_matrix的各种参数及其作用，散布图在机器学习里面用的挺多的

Draw a matrix of scatter plots.
#画一个散点图矩阵。
Parameters：
#参数

    frame DataFrame
    #关键帧 数据帧（关键字和关键字）
    alpha float, optional
    #alpha 浮点型，可选
        Amount of transparency applied.
        #透明度的应用
    figsize(float,float), optional
    #figsize(浮点型,浮点型)，可选
        A tuple (width, height) in inches.
        #一个以英寸位单位的元组(宽,高)
    ax Matplotlib axis object, optional
    #轴对象
    grid bool, optional
    #grid 布尔型，可选
        Setting this to True will show the grid.
        #将此设置为True将显示网格。
    diagonal {‘hist’, ‘kde’}
    #对角线
        Pick between ‘kde’ and ‘hist’ for either Kernel Density 
        #在“kde”和“hist”之间选择内核密度
        Estimation or Histogram plot in the diagonal.
        #在对角线上的估计或直方图。
    marker str, optional
    #maker 字符串，可选
        Matplotlib marker type, default ‘.’.
        #Matplotlib标记类型，默认' . '
    density_kwds keywords
    #密度关键字
        Keyword arguments to be passed to kernel density estimate plot.
        #关键字参数要传递到核密度估计图。
    hist_kwds key words
    #hist_kwds关键字
        Keyword arguments to be passed to hist function.
        #要传递给hist函数的关键字参数。
    range_padding float, default 0.05
    #range_padding float，默认0.05
        Relative extension of axis range in x and y with respect to 
        (x_max - x_min) or (y_max - y_min).
        #x和y轴范围相对于(x_max - x_min)或(y_max - y_min)的相对扩展。
    kwargs
    
        Keyword arguments to be passed to scatter function.
        #要传递给scatter函数的关键字参数。
    Returns
    #返回值
    numpy.ndarray
        A matrix of scatter plots.
        #返回一个矩阵的散点图

散布图 散布图是观察两个一维数据数列之间的关系的有效方法,DataFrame对象可用
使用方法： 设置kind = ‘scatter’，给明标签columns

df.plot(x='A', y='B',kind='scatter')

散布图矩阵，当有多个点时，两两点的关系
使用函数：

pd.plotting.scatter_matrix(),

参数diagnol：设置对角线的图像类型

pd.plotting.scatter_matrix(df)
pd.plotting.scatter_matrix(df, figsize=(16,16), diagonal='kde')

• 饼图

df.plot(kind='pie', autopct='%.2f%%')

read_csv

读取CSV数据文件

import pandas
url ="https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"
names =['sepal-length', 'sepal-width','petal-length', 'petal-width','class']
food = pandas.read_csv(url, names=names)
print(type(food))
print(food.dtypes)

我使用鸢尾花数据集

这里我打印了一下Type，可以看到类型为DataFrame，这个类型也是Pandas中，的核心类型。
下面我打印了一下，dtypes。可以看到，下面也是在pandas中非常常用的几种类型。int64,float64这两种就不用多说了。但是会发现一个新的类型。object类型
这个类型就相当于str类型，也就是字符串类型值。

pandas中常用的数据类型如下

1. object 就是我们常说的字符串类型
2. int 整型
3. float 浮点型
4. bool 布尔型

这里给出read_csv的参数介绍，尽量不要乱加参数

filepath_or_buffer : str，pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a file handle or StringIO)
可以是URL，可用URL类型包括：http, ftp, s3和文件。对于多文件正在准备中
本地文件读取实例：://localhost/path/to/table.csv
 
sep : str, default ‘,’
指定分隔符。如果不指定参数，则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\s+’,将使用python的语法分析器。并且忽略数据中的逗号。正则表达式例子：'\r\t'
 
delimiter : str, default None
定界符，备选分隔符（如果指定该参数，则sep参数失效）
 
delim_whitespace : boolean, default False.
指定空格(例如’ ‘或者’ ‘)是否作为分隔符使用，等效于设定sep='\s+'。如果这个参数设定为Ture那么delimiter 参数失效。
在新版本0.18.1支持
 
header : int or list of ints, default ‘infer’
指定行数用来作为列名，数据开始行数。如果文件中没有列名，则默认为0，否则设置为None。如果明确设定header=0 就会替换掉原来存在列名。header参数可以是一个list例如：[0,1,3]，这个list表示将文件中的这些行作为列标题（意味着每一列有多个标题），介于中间的行将被忽略掉（例如本例中的2；本例中的数据1,2,4行将被作为多级标题出现，第3行数据将被丢弃，dataframe的数据从第5行开始。）。
注意：如果skip_blank_lines=True 那么header参数忽略注释行和空行，所以header=0表示第一行数据而不是文件的第一行。
 
names : array-like, default None
用于结果的列名列表，如果数据文件中没有列标题行，就需要执行header=None。默认列表中不能出现重复，除非设定参数mangle_dupe_cols=True。
 
index_col : int or sequence or False, default None
用作行索引的列编号或者列名，如果给定一个序列则有多个行索引。
如果文件不规则，行尾有分隔符，则可以设定index_col=False 来是的pandas不适用第一列作为行索引。
 
usecols : array-like, default None
返回一个数据子集，该列表中的值必须可以对应到文件中的位置（数字可以对应到指定的列）或者是字符传为文件中的列名。例如：usecols有效参数可能是 [0,1,2]或者是 [‘foo’, ‘bar’, ‘baz’]。使用这个参数可以加快加载速度并降低内存消耗。
 
as_recarray : boolean, default False
不赞成使用：该参数会在未来版本移除。请使用pd.read_csv(...).to_records()替代。
返回一个Numpy的recarray来替代DataFrame。如果该参数设定为True。将会优先squeeze参数使用。并且行索引将不再可用，索引列也将被忽略。
 
squeeze : boolean, default False
如果文件值包含一列，则返回一个Series
 
prefix : str, default None
在没有列标题时，给列添加前缀。例如：添加‘X’ 成为 X0, X1, ...
 
mangle_dupe_cols : boolean, default True
重复的列，将‘X’...’X’表示为‘X.0’...’X.N’。如果设定为false则会将所有重名列覆盖。
 
dtype : Type name or dict of column -> type, default None
每列数据的数据类型。例如 {‘a’: np.float64, ‘b’: np.int32}
 
engine : {‘c’, ‘python’}, optional
Parser engine to use. The C engine is faster while the python engine is currently more feature-complete.
使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。
 
converters : dict, default None
列转换函数的字典。key可以是列名或者列的序号。
 
true_values : list, default None
Values to consider as True
 
false_values : list, default None
Values to consider as False
 
skipinitialspace : boolean, default False
忽略分隔符后的空白（默认为False，即不忽略）.
 
skiprows : list-like or integer, default None
需要忽略的行数（从文件开始处算起），或需要跳过的行号列表（从0开始）。
 
skipfooter : int, default 0
从文件尾部开始忽略。 (c引擎不支持)
 
skip_footer : int, default 0
不推荐使用：建议使用skipfooter ，功能一样。
 
nrows : int, default None
需要读取的行数（从文件头开始算起）。
 
na_values : scalar, str, list-like, or dict, default None
一组用于替换NA/NaN的值。如果传参，需要制定特定列的空值。默认为‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`.
 
keep_default_na : bool, default True
如果指定na_values参数，并且keep_default_na=False，那么默认的NaN将被覆盖，否则添加。
 
na_filter : boolean, default True
是否检查丢失值（空字符串或者是空值）。对于大文件来说数据集中没有空值，设定na_filter=False可以提升读取速度。
 
verbose : boolean, default False
是否打印各种解析器的输出信息，例如：“非数值列中缺失值的数量”等。
 
skip_blank_lines : boolean, default True
如果为True，则跳过空行；否则记为NaN。
 
parse_dates : boolean or list of ints or names or list of lists or dict, default False

    boolean. True -> 解析索引
    list of ints or names. e.g. If [1, 2, 3] -> 解析1,2,3列的值作为独立的日期列；
    list of lists. e.g. If [[1, 3]] -> 合并1,3列作为一个日期列使用
    dict, e.g. {‘foo’ : [1, 3]} -> 将1,3列合并，并给合并后的列起名为"foo"

 
infer_datetime_format : boolean, default False
如果设定为True并且parse_dates 可用，那么pandas将尝试转换为日期类型，如果可以转换，转换方法并解析。在某些情况下会快5~10倍。
 
keep_date_col : boolean, default False
如果连接多列解析日期，则保持参与连接的列。默认为False。
 
date_parser : function, default None
用于解析日期的函数，默认使用dateutil.parser.parser来做转换。Pandas尝试使用三种不同的方式解析，如果遇到问题则使用下一种方式。
1.使用一个或者多个arrays（由parse_dates指定）作为参数；
2.连接指定多列字符串作为一个列作为参数；
3.每行调用一次date_parser函数来解析一个或者多个字符串（由parse_dates指定）作为参数。
 
dayfirst : boolean, default False
DD/MM格式的日期类型
 
iterator : boolean, default False
返回一个TextFileReader 对象，以便逐块处理文件。
 
chunksize : int, default None
文件块的大小， See IO Tools docs for more informationon iterator and chunksize.
 
compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, default ‘infer’
直接使用磁盘上的压缩文件。如果使用infer参数，则使用 gzip, bz2, zip或者解压文件名中以‘.gz’, ‘.bz2’, ‘.zip’, or ‘xz’这些为后缀的文件，否则不解压。如果使用zip，那么ZIP包中国必须只包含一个文件。设置为None则不解压。
新版本0.18.1版本支持zip和xz解压
 
thousands : str, default None
千分位分割符，如“，”或者“."
 
decimal : str, default ‘.’
字符中的小数点 (例如：欧洲数据使用’，‘).
 
float_precision : string, default None
Specifies which converter the C engine should use for floating-point values. The options are None for the ordinary converter, high for the high-precision converter, and round_trip for the round-trip converter.
指定
 
lineterminator : str (length 1), default None
行分割符，只在C解析器下使用。
 
quotechar : str (length 1), optional
引号，用作标识开始和解释的字符，引号内的分割符将被忽略。
 
quoting : int or csv.QUOTE_* instance, default 0
控制csv中的引号常量。可选 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)
 
doublequote : boolean, default True
双引号，当单引号已经被定义，并且quoting 参数不是QUOTE_NONE的时候，使用双引号表示引号内的元素作为一个元素使用。
 
escapechar : str (length 1), default None
当quoting 为QUOTE_NONE时，指定一个字符使的不受分隔符限值。
 
comment : str, default None
标识着多余的行不被解析。如果该字符出现在行首，这一行将被全部忽略。这个参数只能是一个字符，空行（就像skip_blank_lines=True）注释行被header和skiprows忽略一样。例如如果指定comment='#' 解析‘#empty\na,b,c\n1,2,3’ 以header=0 那么返回结果将是以’a,b,c'作为header。
 
encoding : str, default None
指定字符集类型，通常指定为'utf-8'. List of Python standard encodings
 
dialect : str or csv.Dialect instance, default None
如果没有指定特定的语言，如果sep大于一个字符则忽略。具体查看csv.Dialect 文档
 
tupleize_cols : boolean, default False
Leave a list of tuples on columns as is (default is to convert to a Multi Index on the columns)
 
error_bad_lines : boolean, default True
如果一行包含太多的列，那么默认不会返回DataFrame ，如果设置成false，那么会将改行剔除（只能在C解析器下使用）。
 
warn_bad_lines : boolean, default True
如果error_bad_lines =False，并且warn_bad_lines =True 那么所有的“bad lines”将会被输出（只能在C解析器下使用）。
 
low_memory : boolean, default True
分块加载到内存，再低内存消耗中解析。但是可能出现类型混淆。确保类型不被混淆需要设置为False。或者使用dtype 参数指定类型。注意使用chunksize 或者iterator 参数分块读入会将整个文件读入到一个Dataframe，而忽略类型（只能在C解析器中有效）
 
buffer_lines : int, default None
不推荐使用，这个参数将会在未来版本移除，因为他的值在解析器中不推荐使用
 
compact_ints : boolean, default False
不推荐使用，这个参数将会在未来版本移除
如果设置compact_ints=True ，那么任何有整数类型构成的列将被按照最小的整数类型存储，是否有符号将取决于use_unsigned 参数
 
use_unsigned : boolean, default False
不推荐使用：这个参数将会在未来版本移除
如果整数列被压缩(i.e. compact_ints=True)，指定被压缩的列是有符号还是无符号的。
memory_map : boolean, default False
如果使用的文件在内存内，那么直接map文件使用。使用这种方式可以避免文件再次进行IO操作。

head方法

然后接着，我们在运行一个函数

print(food.head())

这个函数的作用是，将我们数据中的，前5行打印出来。结果如下：
那么如果我们想让数据显示多条怎么处理呢？
food.head(8)，只需要在这个函数中添加参数即可

tail方法

可以显示前面的，那么肯定可以显示后面的：

print(food.tail(4))

这个方法相当于显示最后面的4条数据

columns方法

那么如果获取到数据表中，每一列的列名指标呢？

print(food.columns)

使用这个方便可以得到每个列表示的列名，结果是一个list，如下图

shape方法

还有一个要说的就是，如果看这个表的维度呢？
如果查看矩阵的维度，用shape方法

print(food.shape)

可以看到如下结果

表示，当前数据，有150个样本,，5个属性
也就是150行，5列

loc方法

我们如何从pandas中获取到某个数据呢？
使用如下方法

print(food.loc[0])

这里我们可以看到，我们将第一个样本的全部值取出来了。

那么如果我们想去单独某条数据，那么只需要修改[0]到你需要的数据上即可。这里下标从0开始。大小超过数据的样本集，会直接报错。

如果我们在数据中，想去3，4，5这几行数据，那么我们怎么取呢？

print(food.loc[3:6])

可以看到，这种取法跟Python中，切片操作一样。

如果我想去单独某几条数据，只需要传入index值即可

print(food.loc[[2,5,10]])

通过列取数据

如果我先想不通过行去取数据，想通过列去取数据的话，我们该怎么做呢？？
我们可以通过列名去拿取数据

length = food["sepal-length"]
print(length)

可以看到，我们取到了第一列的数据出来。
那么我们想取两列数据出来，我们应该怎么操作呢？
方法跟上面一样，将列名加到里面，组成一个list列表。

sepal_2 = ["sepal-length","sepal-width"]
sepal_2_all = food[sepal_2]
print(sepal_2_all)

如果有些列名是带了单位的，那么我们怎么选择其中某几个一样单位的列呢？
我们先要取到全部的列名，然后将列名中带有单位（g）的列名取出，并单独放到一个列表中，最后在取这个列表中的列的数据即可

col_names = food.columns.tolist()
print(col_names)
gram_columns = []
for c in col_names:
    if c.endswith("(g)"):
        gram_columns.append(c)
gram_df = food[gram_columns]
print(gram_df.head(3))

对数据加减乘除及其他操作

再比如说，我们想进行一些加减乘除的操作
我想把单位为mg的数据，转换成g的数据

print(food["Iron_(mg)"])
div_1000 = food["Iron_(mg)"]/1000
print(div_1000)

我们在对某个数据上进行操作，即可得到我们想要的结果。

water_energy = food["Water_(g)"]*food["Energ_Kcal"]

对应位置的乘法操作，需要保证的是，维度要相同才可以！

water_energy = food["Water_(g)"]*food["Energ_Kcal"]
water_energy = food["Water_(g)"]*food["Energ_Kcal"]
iron_grams = food["Iron_(mg)"]/1000
print(food.shape)
food["Iron_(g)"]=iron_grams
print(food.shape)

上一段代码可以看到，我们把一列名称的值，进行单位转换，把mg转换为g，然后新建了一列数据，将这列数据放到数据集中。后面打印的是6个属性值，也就是我们将新的属性值，放入到原来的数据值中了！前提是，其中的维度要对应上才可以。

weighted_protein = food["Protein_(g)"]*2
weighted_fat =-0.75* food["Lipid_Tot_(g)"]
initial_rating = weighted_protein + weighted_fat

比如说这些运算操作， 维度一样，相当于对应位置进行运算。跟Numpy一样，我们也有一些别方法，求最大值，最小值，平均值等等方式基本上跟Numpy类似。

对数据排序

那么我们如何使用pandas对数据进行排序操作呢？

food.sort_values("sepal-length",inplace= True)
print(food["sepal-length"])
food.sort_values("sepal-length",inplace=True,ascending= False)
print(food["sepal-length"])

我们对food，进行sort_values方法，会自动帮我们排序，第一个参数"sepal-length"是我们数据中的列名。
意思是说，你要对哪一列数据进行排序，inplace 参数的意思是，你需要生成一个新的数据，还是在原来的基础上进行，可以通过该参数指定。
而sort_values排序的时候，就默认从小到大进行排序。
那么我们想做一个从大到小的排序如何做呢？
ascending这个参数，是指定一个排序升降序。在这里指定，默认该参数为True，也就是从小到大
那么我们在上面的代码中可以看到，ascending参数设置为Flase以后，即是从大到小

一个简单的案例（转）

下面我们讲个点单的例子，泰坦尼克号小案例

import pandas as pd
import numpy as np
titanic_survival = pd.read_csv("titanic_train.csv")
titanic_survival.head()

我现在有一下一些数据，每个值都代表不同的含义，实际是一个船人员信息表，有价格，有年龄，有名字，有座位编号，等等一些数据
下面我们将年龄这一列进行数据处理，看看能得到什么结果，我们先查看了一下，前十个人的年龄如下

发现在5号人，的年龄为NAN，也就是说，这个数据为空，或者数据丢失。我们来对这个缺失值进处理
我们通过isnull方法，对数据进行判断，判断值是否为空。可以看到为True的说明数据丢失了
然后我们将这个为空的数据作为索引，可以找到全部数据中，数据丢失的值
那我们现在统计一下，有多少个数据丢失了，可以用len方法。统计数据为空的值，为177就可以得到177个数据为空的值

我们得到了缺失值后，要对缺失值进行处理
那么我先对数据没有做缺失值处理的情况下，进行一个求平均值的操作
我们可以看到，算出来的值是nan，说明有问题！所以我们不能把带有缺失值得也计算在里面
接下来我们对数据进行处理
一个基本的想法是这样的，就是说，当前数据中，有值的，我们就拿出来进行平均计算，没有值的，就不取出来进行运算

通过这样的计算，我们可以得到，平均年龄为29.6岁
这种方法可能有些麻烦，那么Pandas中有没有什么好的方法可以直接帮我们处理呢？ 答案是有的

我们用这样一个简单的方法，一步就可以帮我们取出年龄的平均值。
那我们继续说些难一点的。我们在数据中，分了船舱有1， 2 ，3个等级，我们想计算一下，每个等级下的平均价格是多少
如何计算呢？

这段代码的意思是，我先用for循环，在数据中找到，哪些人是一等舱的人，哪些人是二等舱的人，哪些人是三等舱的人
我们先讲这些人的数据拿到手，拿到之后，我们进行列的定位，定位到价格这列，然后进行平均值，这样就可以得到一个平均价格
分别为以上三个，但是这种做法很麻烦，那么pandas中有没有一个更简单的方法帮我们处理数据呢？看下面的代码
我们有个需求，想算一下，3个舱位每个舱位的平均获救人数的值
可以看到我们在pivot_table中，有三个参数，第一个参数为index，就是说我们要对哪列数据进行统计
values则是说，你要在统计参数一的基础上和哪个数据有关系，作为统计。
第三个参数是aggfunc，就是说你要统计前面两个参数的什么值，我们这边统计平均值。既可以获得以上平均数据
那么我们在计算一下，每个舱位的平均年龄是多少
我们可以直接按照这种方式进行计算，既可以得到每个舱的平均年龄，这里可以看到我们没有添加第三个参数因为如果不加参数3，那么系统会默认帮我们取平均值
那我们又有了新的需求。我们现在想看看。一个量之间，与其他量的关系
我们将index设置为登船地点，那么values是船票的价格，和获救与否，最后一个参数是计算总值。
这里我们想得到的数据就是，分别在C、Q、S这三个码头登船的人的获救总数
这个数据我们可以看到，C码头卖出了1万多块的票价，获救人数是93人。以此类推
那么我们先继续看
因为数据中有些缺失值，那么我们想把这些缺失值都丢掉应该怎么做呢？
dropna的意思就是说，丢弃当前的缺失值。我们 想去掉Age Sex中有缺失值的数据，需要将这两列数据dropna方法中即可

我们继续

那么我想对数据，定位到具体的某个值，我们怎么办呢？

我们可以看到，我们想找第83个样本的年龄，那么我们只需要在参数中添加样本编号，以及需要取到的数据对应的列名。