在學習pandas之前，首先需要安裝pandas，可以通過pip install pandas安裝或者直接安裝Anaconda。本文不再贅述，可參考官方文檔安裝。
動漫數據集
背景描述
該數據集包含來自myanimelist.net的73516個用戶的12294部動漫的用戶偏好數據的信息。每個用戶都可以將動畫添加到已完成的列表中併為其評分，此數據集是這些評級的彙編。
數據說明
數據集Anime.csv包含以下字段：
- anime_id - myanimelist.net標識動漫的唯一ID。
- name - 動漫的全名。
- genre - 逗號分隔的動畫類型列表。
- type - 電影，電視，OVA等
- episodes - 這部劇中有多少劇集（如果是電影的話就是1）。
- rating - 此動漫的平均評分滿分10分。
- members - 此動漫的“組”中的社區成員數。
數據集Rating.csv包含以下字段：
- user_id - 不可識別的隨機生成的用戶ID。
- anime_id - 此用戶評分的動漫。
- rating - 此用戶已分配的評分為10（如果用戶觀看但未指定評級，則為-1）。
數據來源
https://www.kaggle.com/CooperUnion/anime-recommendations-database
數據初探
一切就緒後，開始讀取動漫數據，看看數據都有啥...
<code>In:
df_anime = pd.read_csv("./Anime.csv", header=0, sep=",")
df_anime.shape
Out:
(12294, 7)/<code>
文件讀取是pandas最基礎的功能pd.read_csv( )，負責把 csv 文件讀入進來，其中sep代表的是分隔符；讀取excel文件可以使用pd.read_excel()。
維度查看可以使用shape，其計算該文件有多少行、多少列。該數據集有12294行，7列。
<code>In:
df_anime.info()
Out:
<class>
RangeIndex: 12294 entries, 0 to 12293
Data columns (total 7 columns):
anime_id 12294 non-null int64
name 12294 non-null object
genre 12232 non-null object
type 12269 non-null object
episodes 12294 non-null object
rating 12064 non-null float64
members 12294 non-null int64
dtypes: float64(1), int64(2), object(4)
memory usage: 672.5+ KB/<class>/<code>
info() 這個輸出的信息量很大，有索引、列名、列的數據類型 ( int64、float64、object )以及內存佔用情況。
可以看出動漫數據共有7列、該數據集共出現了3中數據類型。<code>In:
df_anime.describe()
Out:
anime_id\trating\tmembers
count\t12294.000000\t12064.000000\t1.229400e+04
mean\t14058.221653\t6.473902\t1.807134e+04
std\t11455.294701\t1.026746\t5.482068e+04
min\t1.000000\t1.670000\t5.000000e+00
25%\t3484.250000\t5.880000\t2.250000e+02
50%\t10260.500000\t6.570000\t1.550000e+03
75%\t24794.500000\t7.180000\t9.437000e+03
max\t34527.000000\t10.000000\t1.013917e+06/<code>
describe() 對數值型變量進行統計性描述，對於變量類型是 int64 和 float64 的數值型變量，列出了個數、均值、方差、最小值、最大值和四分位數。比如，動漫整體的平均評分是6.47分。
<code>In:
df_anime.head()
df_anime.tail()/<code>
head( ) 方法會默認顯示出 DataFrame 的前 5 行數據。
tail( ) 方法會默認顯示 DataFrame 的後 5 行數據。
如果想要顯示多於 5 行的數據，傳入參數即可，比如 df_anime.head(10) 表示顯示前 10 行數據，tail(20) 表示顯示後 20 行數據。
小總結
- pd.read_csv( )，負責把 csv 文件讀入進來。
- shape，維度查看，顯示有多少行、多少列。
- info() 輸出索引、列名、列的數據類型以及內存佔用情況。
- describe( ) 對數值型變量進行統計性描述。
- head( n ) 顯示數據前 n 行。
- tail(n) 顯示數據後n行。
碎片時間，關注收藏。公眾號：數據科學實踐。
閱讀更多 碎片時間 的文章
