數據預處理：
當我們拿到一份數據的時候，我們的第一件事就是讀懂數據，第二件事就是開始處理清洗數據。
我們首先導入一份數據，這個數據是泰坦尼克號存活率的相關數據。。上一章我們提到了相關基本類型的操作，這回我寫一下對數據進行預處理的方法。
數據排序：
如果我們想要對一組數據進行排序可以這麼操作：
在上一張圖片中我們拿到的數據默認給dataframe進行了排序，如果我們相同過索引進行降序的操作就調用sort_index的方法，但是要在括號中傳入一個參數，ascending=False 這個的含義就是 對該dataframe通過索引進行降序排序，如果ascending=True的話那麼就是通過升序來排序的。同時=True也是默認的排序方法。
如果我們想通過dataframe裏面的值進行排序的話，跟這個方法類似：
在圖中我們調用了sort_values這個方法給數據進行了排序，裏面ascending=False 傳入了這個參數對該數據進行了降序排序，不過在這裏我們多了一個參數，就是"Fare"，這個參數是列的索引，我們是通過這個索引來進行排序。。
同時我們還可以在這個Fare降序排列的基礎上在對其他列進行排序，並保持數據的一致性。
在這裏我們發現，傳參的時候，我們給這兩個列名加了一箇中括號，在pandas中如果對多個列進行操作的時候，就加一個列表把他們包含起來，基本就可以批量操作了。。但是我們寫的時候要注意列表裏面傳參時候的先後順序，誰在前面，就是先給誰排序，後面的會在給第一個參數排序的結果基礎上在進行排序。
對數據進行計算：
很多時候我們拿到的數據都需要對數據進行計算。咱pandas裏面提供了特別方便的計算方法。
首先我們查看一下數據，在這個Age列上有一些事空值，我們如果想過濾掉dataframe裏面有空值的地方可以這麼幹：
在這裏我們通過用pd.isnull的方法先篩選出Age裏面的空值，然後直接判定False，只保留非空的值，在以他作爲索引傳入到read這裏面，我們直接就可以得到乾淨的Age列裏面所有非空的元素。
然後我們在通過這種方式來計算該Age裏面的平均年齡。
當然我們還有更簡便的方法直接用.mean的方法求出該對象中所有非空年齡的平均值。
各等級船票的平均年齡：
在這裏如果我想要做一個數據透視表的話，在這裏我們可以非常簡單的操作，調用.pivot_table的方法第一個index傳入想要篩選列的索引，第二個values傳入的參數是計算列的索引，如果我們後面什麼參數都不填的話，默認的是計算平均值。如果我們想要進行其他操作的話，就這麼幹：
在這裏我們通過存活列的內容，直接用sum的方法計算出這三個等級的船票存活的人數。
也可以通過這種方式來計算出存活率:
通過以上數據咱們可以看出，不同等級的船票存活率也是不一樣的。。
這篇暫時先介紹到這裏，以後如果有什麼更好的案例寫出來分享給大家