> 打算從基礎開始學習數據分析，給自己一個整理內容和學習消化的時間，所以，這也將成為我的學習筆記。
1. 數據描述
原始數據集包括六個屬性：Gender，Length，Diameter，Height，Weight，Rings：
- Gender ：M (male), F (female), I (infant)
- Length：最長外殼尺寸（毫米）
- Diameter：垂直於長度的直徑（毫米）
- Height：帶殼肉的高度（毫米）
- Weight：整隻鮑魚的重量（克）
- Rings：確定鮑魚的實際年齡，有點像估計一棵樹的年齡。 隨著鮑魚的生長，在鮑魚殼中形成環，通常以每年一環的速度形成。
2. 數據讀取
2.1 導入庫
<code>import pandas as pd/<code>
2.2 讀取文件
<code>data = pd.read_csv("abalone.csv")/<code>2.3 查看數據表信息
先來一波兒基礎操作，熱熱身~
<code>data.columns # 查看數據列名
data.shape # 查看數據框中有多少個觀測值
data.head(4) # 打印數據的前四行
data.head(4)['Rings'] # 打印前四行中Rings的值
data.tail(3) # 提取數據集的最後三行
data.tail(3)['Weight'] # 輸出最後三行鮑魚的重量
data.loc[577]['Diameter'] # 輸出第577行的直徑值
data.mean()['Height'] # 輸出高度列的平均值/<code>
什麼(O_o)?? 沒難度？那是因為我不想掉頭髮！
<code># 提取 gender 為M並且 weight 值低於0.75的數據框的行子集
subset=data[(data['Gender']=='M') & (data['Weight']<0.75)]
# 輸出此子集中 diameter 的平均值
subset.mean()['Diameter']
# 輸出年齡等於18的鮑魚的最小長度
data.loc[data["Rings"]==18,"Length"].min()/<code>
3. 數據呈現
3.1 鮑魚任意兩個屬性之間的關係可視化：
==交叉表與熱圖結合==（個人覺得是數據分析界的炸雞和啤酒）
熱圖的色彩變化豐富多樣、信息表達生動飽滿，搭配交叉表的使用，是一種非常不錯的可視化手段，被用於各種大數據分析場景，我在這裡嘗試一下：
<code>import seaborn as sns # 導入seaborn繪圖模塊
tab = pd.crosstab(data['Height'],data['Gender']) # 做Height列和Gender列的交叉表
sns.heatmap(tab) # 對交叉表進行熱圖呈現/<code>
輸出結果如下圖：
3.2 鮑魚三個屬性之間的關係可視化：
<code>sns.scatterplot(data=data,x='Length',y='Weight',hue='Gender',s=300)
plt.legend(loc='upper left')/<code>
輸出結果如圖：一般很難讀懂按這種方式可視化的多種特徵的關係信息，下一次，會有更好地方式，值得期待。
4. 數據分析
鮑魚的體重與它們有多少個環有關嗎？
==劃重點== 開始分析之前，先把數據清洗一下：
<code>data.describe()/<code>
運行之後，是這醬紫的......
我們囧囧有神.....哦不.....是炯炯有神的兩隻“照妖鏡”發現一隻千年鮑魚精，呔！妖精，哪裡逃，快還我真實數據~
於是，便有了下面一場"惡戰"（其實也就一行代碼，看來這隻鮑魚精道行不夠）.........
<code>data.loc[data.Rings==1500,'Rings']=15/<code>
言歸正傳，數據集中難免存在數據錯誤，根據數據集中的其他相關數據，我將其修正為了15。
回到問題：鮑魚的體重和環之間是否存在聯繫？
==解決方案1==
<code>import matplotlib.pyplot as plt
plt.scatter(data['Rings'],data['Weight'])
plt.show()/<code>
輸出結果如下圖：從散點圖中可以看出，鮑魚的環和體重不存在明顯的相關關係。
==解決方案2==
<code>data.corr() # 對數據集進行相關性分析/<code>
輸出結果如下：可見鮑魚的weight和rings並沒有很強的關聯。
==解決方案3==
<code>data_mean=data.groupby('Rings').mean() # 求所有鮑魚的環的平均值
plt.plot(data_mean['Weight']) # 繪製折線圖/<code> 輸出結果如下：
奉上一張思維導圖
> 這篇筆記一定還有很多不完善的地方，希望朋友們多多提出不足，大家一起交流，期待！
> 下一次的筆記：把所有數據分析可能用到的模塊函數進行總結。
閱讀更多 雅痞紳士JM 的文章
