介绍
只要我们要用Python来做数据分析，就避免不了用到Pandas。Python有很多用于数据清洗和数据准备的库，但是很少有数据分析和数据建模的库。Pandas的出现，使得我们能在Python中解决大多数数据分析的问题，而不用切换到一些特殊语言如R中，这样就减少了我们许多的工作量。
内容
1.Pandas下载与基本教程
2.Pandas数据探索的基本流程
3.用Pandas对Titanic数据进行初步探索
Pandas下载与基本教程
我们可以从官网上下载Pandas，也可以在终端中直接下载：
easy_install pandas
Pandas的简单教程是Pandas作者Wes McKinney写的10-minute tour of pandas。
不过要认真学习Pandas的话还应该买一本作者的书:
Pandas数据探索基本流程
在数据处理中，我们经常会有一些常用的步骤，比如读取数据，处理缺失值等。这里我贴出Pandas的Cheatsheet，里面包含一些简单的Pandas数据操作。
Pandas实战
通过对上述知识的学习，我们知道了数据分析探索的一点点过程。下面我们就进行一些实战，把这些东西巩固一番。
获取数据
首先，我们的数据来自于kaggle的泰坦尼克号,我们从中获取数据，一个是训练数据，用来训练模型，一个测试数据，用来评估模型。数据分析探索主要是利用训练数据。
读取数据
得到数据之后，我们就要读取数据，其数据格式为csv，我们就可以使用上面所述的方法，进行读取.
这里我用的是ipython的notebook，有兴趣的可以自己去看看。前面都是引入模块，最后才是读取数据。
了解数据
读取完数据之后，我们就要看看数据的结构，有多少个变量，多少个样本。
这样我们就知道，这个数据有12个变量，891个样本。知道大概结构后，我们又想知道，变量有哪些？变量的类型是什么？
这样我们就知道了数据变量有PassengerID,Survived,Pclass,Age,Name,Sex,SibSp,Parch,Ticket,Fare,Cabin,Embarked12个，结合kaggle上对这些变量的描述，我们就对这些变量的类型有所了解。
探索数据
于是我们就开始了数据探索与数据清洗之旅。遇到数据处理，我们首先处理信息量比较多的变量，一般先是连续型变量，接着是分类变量，然后才是文本，而对于一些对我们预测数据无关紧要的变量，可以选择直接删除。
在这我们就只有年龄和船费为连续型变量，我们先要处理年龄这个常见变量。我们先要看看其是否有缺失值。
这里我们就看出来缺失值有177个，占总样本20%，不算太多，也不算太少。对于异常值的处理，我会另外写一篇文章，专门介绍异常值的处理，这里我们就用常用的方法——平均值代替。
我们分析一下Age的数值度量：
其中位数与均值相同，我们初步判定其为正态分布，要确定是否为正态分布，还需要将其可视化，其可视化方法，在我的另一篇文章有说过。
从这里我们就可以看出，连续型变量Age趋近于正态分布。接下来以同样的方法分析船费。
可以看出，船费不是正态分布，其有少许异常值，需要进行一些处理后才能建模。
探索数据分析
对于分类数据的探索，我们应根据分类数据对目标数据的影响来分析，比如我们可以看Pclass对Survived的影响。
Pclass第三层存活的人数比较多，也可能会是因为人数比较多，所以存活人数多，主要要看存活比率。
这样就可以看出，1层的存活率比较高。其实我们还可以看看，Sex和Pclass对Suvived影响
结束语
这样，我们就简单的探索了一下基本的变量，得到了一些变量的基本概貌。还有很多的问题等待我们去解决，如何处理异常值值？名称是否与生存率有关？我们用什么算法去建立模型？这些问题让数据分析变的无比的吸引人。
参考
http://www.analyticsvidhya.com/blog/2014/09/data-munging-python-using-pandas-baby-steps-python/
