今天我們來繼續講解Python中的Pandas庫的基本用法
那麼我們如何使用pandas對數據進行排序操作呢？
food.sort_values("Sodium_(mg)",inplace= True)
print(food["Sodium_(mg)"])
food.sort_values("Sodium_(mg)",inplace=True,ascending= False)
print(food["Sodium_(mg)"])
我們對food，進行sort_values方法，會自動幫我們排序，第一個參數"Sodium_(mg)"是我們數據中的列名
意思是說，你要對哪一列數據進行排序，inplace 參數的意思是，你需要生成一個新的數據，還是在原來的基礎上進行，可以通過該參數指定
而sort_values排序的時候，就默認從小到大進行排序。
那麼我們想做一個從大到小的排序如何做呢？
ascending這個參數，是指定一個排序升降序。在這裏指定，默認該參數爲True，也就是從小到大
那麼我們在上面的代碼中可以看到，ascending參數設置爲Flase以後，即是從大到小
下面我們講個點單的例子，泰坦尼克號小案例
import pandas as pd
import numpy as np
titanic_survival = pd.read_csv("titanic_train.csv")
titanic_survival.head()
我現在有一下一些數據，每個值都代表不同的含義，實際是一個船人員信息表，有價格，有年齡，有名字，有座位編號，等等一些數據
下面我們將年齡這一列進行數據處理，看看能得到什麼結果，我們先查看了一下，前十個人的年齡如下
發現在5號人，的年齡爲NAN，也就是說，這個數據爲空，或者數據丟失。我們來對這個缺失值進處理
我們通過isnull方法，對數據進行判斷，判斷值是否爲空。可以看到爲True的說明數據丟失了
然後我們將這個爲空的數據作爲索引，可以找到全部數據中，數據丟失的值
那我們現在統計一下，有多少個數據丟失了，可以用len方法。統計數據爲空的值，爲177就可以得到177個數據爲空的值
我們得到了缺失值後，要對缺失值進行處理
那麼我先對數據沒有做缺失值處理的情況下，進行一個求平均值的操作
我們可以看到，算出來的值是nan，說明有問題！所以我們不能把帶有缺失值得也計算在裏面
接下來我們對數據進行處理
一個基本的想法是這樣的，就是說，當前數據中，有值的，我們就拿出來進行平均計算，沒有值的，就不取出來進行運算
通過這樣的計算，我們可以得到，平均年齡爲29.6歲
這種方法可能有些麻煩，那麼Pandas中有沒有什麼好的方法可以直接幫我們處理呢？ 答案是有的
我們用這樣一個簡單的方法，一步就可以幫我們取出年齡的平均值。
那我們繼續說些難一點的。我們在數據中，分了船艙有1， 2 ，3個等級，我們想計算一下，每個等級下的平均價格是多少
如何計算呢？
這段代碼的意思是，我先用for循環，在數據中找到，哪些人是一等艙的人，哪些人是二等艙的人，哪些人是三等艙的人
我們先講這些人的數據拿到手，拿到之後，我們進行列的定位，定位到價格這列，然後進行平均值，這樣就可以得到一個平均價格
分別爲以上三個，但是這種做法很麻煩，那麼pandas中有沒有一個更簡單的方法幫我們處理數據呢？看下面的代碼
我們有個需求，想算一下，3個艙位每個艙位的平均獲救人數的值
可以看到我們在pivot_table中，有三個參數，第一個參數爲index，就是說我們要對哪列數據進行統計
values則是說，你要在統計參數一的基礎上和哪個數據有關係，作爲統計。
第三個參數是aggfunc，就是說你要統計前面兩個參數的什麼值，我們這邊統計平均值。既可以獲得以上平均數據
那麼我們在計算一下，每個艙位的平均年齡是多少
我們可以直接按照這種方式進行計算，既可以得到每個艙的平均年齡，這裏可以看到我們沒有添加第三個參數因爲如果不加參數3，那麼系統會默認幫我們取平均值
那我們又有了新的需求。我們現在想看看。一個量之間，與其他量的關係
我們將index設置爲登船地點，那麼values是船票的價格，和獲救與否，最後一個參數是計算總值。
這裏我們想得到的數據就是，分別在C、Q、S這三個碼頭登船的人的獲救總數
這個數據我們可以看到，C碼頭賣出了1萬多塊的票價，獲救人數是93人。以此類推
那麼我們先繼續看
因爲數據中有些缺失值，那麼我們想把這些缺失值都丟掉應該怎麼做呢？
dropna的意思就是說，丟棄當前的缺失值。我們 想去掉Age Sex中有缺失值的數據，需要將這兩列數據dropna方法中即可
我們繼續
那麼我想對數據，定位到具體的某個值，我們怎麼辦呢？
我們可以看到，我們想找第83個樣本的年齡，那麼我們只需要在參數中添加樣本編號，以及需要取到的數據對應的列名。
今天就先講到這裏，感謝大家的閱讀。謝謝！！
