Pandas数据操作练习

使用Pandas、Numpy等工具库，完成以下数据操作

一、CSV数据读入

• 从指定路径下读取CSV数据文件，并将Loan_ID设为Index
• 数据文件train.csv在"./data/"路径下
• 打印输出前该数据集10行

import pandas as pd
import numpy as np
data=pd.read_csv("train.csv",index_col=0)
data.head(10)

二、数据选择

• 从数据集中得到“所有没有毕业”（Education: Not Graduate）并且“获得贷款”（Loan_Status: Y）的“女性”(Gender: Female)，并输出“性别”(Gender)、“教育状况”(Education)及“贷款状态”(Loan_Status)。

三、使用apply对数据集应用自定义函数

def num_missing(x):
    return sum(x.isnull())

3.1 使用apply函数将num_missing函数用于统计数据集的每列缺失值数量

Gender               13
Married               3
Dependents           15
Education             0
Self_Employed        32
ApplicantIncome       0
CoapplicantIncome     0
LoanAmount           22
Loan_Amount_Term     14
Credit_History       50
Property_Area         0
Loan_Status           0
dtype: int64

3.2 使用apply函数将num_missing函数用于统计数据集每行缺失值数量，并打印前10行

Loan_ID
LP001002    1
LP001003    0
LP001005    0
LP001006    0
LP001008    0
LP001011    0
LP001013    0
LP001014    0
LP001018    0
LP001020    0
dtype: int64

四、缺失值填充

4.1 对于Gender、Married、Self_Employed三个因子型变量，使用各自最常见的因子进行缺失值填充

4.2 对于LoanAmount变量进行缺失值填充处理

• 按照“Gender”、“Married”及“Self_Employed”的组合下的每个组群进行LoanAmount变量的均值统计
• 按照每组统计得到的平均值，对“LoanAmount”中缺失值进行填充

五、数据透视表

基于data数据，得到下表：

其中num代表统计数量。

pd.crosstab(data['Credit_History'],data['Loan_Status'],margins=True)

六、合并数据集

• 将prop_rates数据集与data数据集合并
• 基于合并后的数据集，按照“Property_Area”、“rates”的组合下的每个组群下Credit_History变量的样本数量统计

prop_rates = pd.DataFrame([1000, 5000, 12000], index=['Rural','Semiurban','Urban'],columns=['rates'])
prop_rates

data1=data.iloc[:5,:2]
data1