数据科学实验2（python基础02）

一、数据读取

1. pd.read_csv()（pandas库）
   • 功能：读取 CSV 格式文件，也能处理其他分隔符分隔的数据。可处理含表头数据，自动识别第一行为列名（可调整），能处理多种数据类型，还可处理缺失值（识别为NaN，可自定义）。
   • 常用参数：
     • 'file_path'：文件路径，当前目录可直接写文件名，在子目录下需完整路径。
     • index_col：指定某列作为索引列，将已有列设为索引，便于数据访问。
     • sep：指定分隔符，默认逗号，制表符分隔文件可设为'\t'。

二、数据可视化

1. 库导入
   • import seaborn as sns和import matplotlib.pyplot as plt：seaborn基于matplotlib用于绘制统计图形，matplotlib用于创建各种可视化图形，plt是常用子模块，在复杂绘图或高级定制时matplotlib很有用。
2. 绘图风格设置
   • sns.set_style("darkgrid")：设置绘图背景为灰色网格风格，使图形清晰易读，利于观察数据分布趋势。
3. 散点图绘制
   • sns.scatterplot()和sns.stripplot()：
     • sns.scatterplot(x, y, data)和sns.stripplot(x, y, data)：绘制散点图，x指定横轴数据列名，y指定纵轴数据列名，data指定数据集（如DataFrame）。
4. 箱线图绘制
   • sns.boxplot()：
     • 功能：绘制箱图展示数据分布，通过最小值、第一四分位数、中位数、第三四分位数和最大值呈现。箱子（Q1 - Q3）含中间 50% 数据，中间线为中位数，上下 whisker 显示数据范围（通常 1.5 倍四分位距），超出范围的异常值以点显示。
     • 参数：
       • x和y：x指定分组变量，y指定数值变量。如sns.boxplot(x='class', y='score', data=df)绘制不同班级学生成绩箱图。
       • data：指定数据集。
       • hue：添加额外分组变量，按其取值绘制不同颜色箱图，方便对比。
5. 图形标题和坐标轴标签设置
   • scatter_plot.set_title('title_text')：设置图形标题，描述图形内容。
   • scatter_plot.set(xlabel='x_label_text', ylabel='y_label_text')：设置横纵坐标标签，明确坐标轴含义。
6. 图形显示：在普通 Python 环境需plt.show()显示图形，部分特定环境（如飞桨某些 notebook 环境）有自动显示机制。

三、数据结构相关

1. pandas的DataFrame对象：pd.read_csv()返回DataFrame，是二维表格结构，有行索引和列索引，可通过列名访问数据列，方便数据操作。
2. numpy数组：np.loadtxt()返回numpy数组，适用于数值计算，但基于列名的数据操作不如DataFrame方便，通过索引访问列数据。

四、其他

1. 代码运行环境：不同编程环境和工具有不同默认行为和配置，可能影响代码执行结果，如图形显示方式等，需了解环境特点。