python --version

jupyter notebook

import numpy as np

# 從列表創(chuàng)建
arr = np.array([1, 2, 3, 4])
print(arr)  # [1 2 3 4]

# 創(chuàng)建全零/全一數(shù)組
zeros = np.zeros(5)          # [0. 0. 0. 0. 0.]
ones = np.ones((2, 3))       # 2x3 全1矩陣

# 創(chuàng)建等差數(shù)列
linspace = np.linspace(0, 10, 5)  # [0.  2.5 5.  7.5 10.]

# 創(chuàng)建隨機(jī)數(shù)組
rand = np.random.rand(3, 2)  # 3x2，值在[0,1)之間

arr = np.array([[1, 2, 3], [4, 5, 6]])

print("形狀:", arr.shape)     # (2, 3)
print("維度:", arr.ndim)      # 2
print("元素總數(shù):", arr.size)  # 6
print("數(shù)據(jù)類型:", arr.dtype) # int64

# 改變形狀（不改變數(shù)據(jù)）
reshaped = arr.reshape(3, 2)
print(reshaped)
# [[1 2]
#  [3 4]
#  [5 6]]

# 展平為一維
flat = arr.flatten()  # [1 2 3 4 5 6]

arr = np.array([1, 2, 3, 4, 5])

print("均值:", np.mean(arr))      # 3.0
print("標(biāo)準(zhǔn)差:", np.std(arr))     # 1.414...
print("最大值:", np.max(arr))     # 5
print("索引最大值:", np.argmax(arr))  # 4
print("求和:", np.sum(arr))       # 15

import pandas as pd

# 從字典創(chuàng)建
data = {
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35],
    'city': ['NYC', 'LA', 'Chicago']
}
df = pd.DataFrame(data)
print(df)

      name  age     city
0    Alice   25      NYC
1      Bob   30       LA
2  Charlie   35  Chicago

# 方法1：從 seaborn 加載（推薦初學(xué)者）
import seaborn as sns
titanic = sns.load_dataset('titanic')

# 方法2：從本地 CSV 讀取
# titanic = pd.read_csv('titanic.csv')

print("前5行:")
print(titanic.head())

print("\n基本信息:")
print(titanic.info())

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 15 columns):
 #   Column       Non-Null Count  Dtype   
---  ------       --------------  -----   
 0   survived     891 non-null    int64   
 1   pclass       891 non-null    int64   
 2   sex          891 non-null    object  
 3   age          714 non-null    float64 
 4   sibsp        891 non-null    int64   
 5   parch        891 non-null    int64   
 6   fare         891 non-null    float64 
 7   embarked     889 non-null    object  
 ...

# 查看維度
print("形狀:", titanic.shape)  # (891, 15)

# 統(tǒng)計(jì)摘要（僅數(shù)值列）
print(titanic.describe())

# 查看分類變量分布
print(titanic['sex'].value_counts())
# male      577
# female    314

# 檢查缺失值
print(titanic.isnull().sum())
# age          177
# embarked       2
# deck         688  ← 大量缺失，可能需刪除

# 單列（返回 Series）
ages = titanic['age']

# 多列（返回 DataFrame）
subset = titanic[['name', 'age', 'fare']]

# 條件篩選
survived_females = titanic[(titanic['survived'] == 1) & (titanic['sex'] == 'female')]

# 使用 .loc（基于標(biāo)簽）
first_row = titanic.loc[0, ['name', 'age']]

# 使用 .iloc（基于位置）
first_three = titanic.iloc[:3, :5]  # 前3行，前5列

# 方案1：刪除含缺失的行（謹(jǐn)慎使用?。?
titanic_clean1 = titanic.dropna()

# 方案2：用均值填充年齡
titanic['age'].fillna(titanic['age'].mean(), inplace=True)

# 方案3：用眾數(shù)填充登船港口
mode_embarked = titanic['embarked'].mode()[0]
titanic['embarked'].fillna(mode_embarked, inplace=True)

# 驗(yàn)證
print(titanic[['age', 'embarked']].isnull().sum())  # 應(yīng)為 0

# 創(chuàng)建新特征：家庭規(guī)模 = 兄弟姐妹 + 父母子女 + 自己
titanic['family_size'] = titanic['sibsp'] + titanic['parch'] + 1

# 分箱：將年齡分為兒童/成人/老人
titanic['age_group'] = pd.cut(
    titanic['age'], 
    bins=[0, 18, 65, 100], 
    labels=['Child', 'Adult', 'Senior']
)

# 編碼分類變量（字符串 → 數(shù)字）
titanic['sex_encoded'] = titanic['sex'].map({'male': 0, 'female': 1})

# 查看結(jié)果
print(titanic[['age', 'age_group', 'sex', 'sex_encoded']].head())

import matplotlib.pyplot as plt

# 設(shè)置中文字體（避免亂碼）
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
# plt.rcParams['font.family'] = 'Arial Unicode MS'  # macOS

# 示例1：直方圖（年齡分布）
plt.figure(figsize=(8, 5))
plt.hist(titanic['age'], bins=20, color='skyblue', edgecolor='black')
plt.title('泰坦尼克號(hào)乘客年齡分布')
plt.xlabel('年齡')
plt.ylabel('人數(shù)')
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

import seaborn as sns

# 示例2：生存率 vs 性別（柱狀圖）
plt.figure(figsize=(6, 4))
sns.barplot(x='sex', y='survived', data=titanic)
plt.title('不同性別的生存率')
plt.ylabel('生存概率')
plt.show()

# 年齡 vs 票價(jià)，顏色表示是否生存
plt.figure(figsize=(8, 6))
sns.scatterplot(
    x='age', y='fare', 
    hue='survived', 
    data=titanic,
    alpha=0.7
)
plt.title('年齡與票價(jià)的關(guān)系（按生存狀態(tài)著色）')
plt.show()

# 選擇數(shù)值列
numeric_cols = titanic.select_dtypes(include=['number']).columns
corr_matrix = titanic[numeric_cols].corr()

# 繪制熱力圖
plt.figure(figsize=(10, 8))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', center=0)
plt.title('數(shù)值特征相關(guān)性熱力圖')
plt.show()

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# 加載數(shù)據(jù)
df = sns.load_dataset('titanic')

# 基礎(chǔ)清洗
df['age'].fillna(df['age'].median(), inplace=True)
df.drop(columns=['deck', 'embark_town'], inplace=True)  # 刪除高缺失列
df.dropna(subset=['embarked'], inplace=True)

df['family_size'] = df['sibsp'] + df['parch'] + 1
df['is_alone'] = (df['family_size'] == 1).astype(int)

fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# 1. 艙位等級(jí) vs 生存率
sns.barplot(x='pclass', y='survived', data=df, ax=axes[0,0])
axes[0,0].set_title('艙位等級(jí)與生存率')

# 2. 是否獨(dú)自旅行 vs 生存率
sns.barplot(x='is_alone', y='survived', data=df, ax=axes[0,1])
axes[0,1].set_title('獨(dú)自旅行與生存率')
axes[0,1].set_xticklabels(['否', '是'])

# 3. 年齡分布（按生存狀態(tài)）
df[df['survived']==1]['age'].hist(alpha=0.7, label='生存', ax=axes[1,0])
df[df['survived']==0]['age'].hist(alpha=0.7, label='遇難', ax=axes[1,0])
axes[1,0].set_title('年齡分布對比')
axes[1,0].legend()

# 4. 票價(jià)分布（對數(shù)尺度）
df.boxplot(column='fare', by='survived', ax=axes[1,1])
axes[1,1].set_yscale('log')
axes[1,1].set_title('票價(jià)分布（對數(shù)尺度）')

plt.tight_layout()
plt.show()

df_clean = df.dropna()  # 顯式創(chuàng)建新對象

df[df['age'] > 30]['fare'] = 100  # 可能報(bào) SettingWithCopyWarning

df.loc[df['age'] > 30, 'fare'] = 100