1、数据集
红葡萄酒数据集：
http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv
白葡萄酒数据集：
http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-white.csv
红葡萄酒文件中包含1599条观测，白葡萄酒文件包含4898条观测。输入变量是葡萄酒的物理化学成分和特性，包括非挥发性酸、挥发性酸、柠檬酸、残余糖分、氯化物、游离二氧化硫、总二氧化硫、密度、pH值、硫酸盐和酒精含量。我们将两个文件合并，并增加一列type变量，用于区分白葡萄酒和红葡萄酒：
2、描述性统计
#!/usr/bin/env python3 import pandas as pd # 将数据集读入到pandas数据框中,分隔符为逗号 f = open(‘F://python入门//数据1//红葡萄酒和白葡萄酒//winequality-whole.csv‘) #read_csv读取时会自动识别表头，数据有表头时不能设置header为空（默认读取第一行，即header=0)； #数据无表头时，若不设置header，第一行数据会被视为表头，应传入names参数设置表头名称或设置header=None。 wine = pd.read_csv(f, sep=‘,‘, header=0) #将标题行中的空格替换成下划线 wine.columns = wine.columns.str.replace(‘ ‘, ‘_‘) #使用head函数检查一下标题行和前五行数据 print(‘查看前五行数据：\n‘,wine.head()) # 显示所有变量的描述性统计量，这些统计量包括：总数、均值、标准差、最小值、第25个百分位数、 #中位数、第75个百分位数和最大值 #标准差是一组数据平均值分散程度的一种度量。一个较大的标准差,代表大部分数值和其平均值之间差异较大。 print(‘描述性统计：\n‘,wine.describe()) #找出唯一值，即quality列中删除重复值留下的数值 print(‘quality列去重后的值，从小到大输出：\n‘,sorted(wine.quality.unique())) # 计算值的频率 print(‘每个唯一值在数据集中出现的次数：\n‘,wine.quality.value_counts())
结果：
查看前五行数据： type fixed_acidity volatile_acidity ... sulphates alcohol quality 0 red 7.4 0.70 ... 0.56 9.4 5 1 red 7.8 0.88 ... 0.68 9.8 5 2 red 7.8 0.76 ... 0.65 9.8 5 3 red 11.2 0.28 ... 0.58 9.8 6 4 red 7.4 0.70 ... 0.56 9.4 5 [5 rows x 13 columns] 描述性统计： fixed_acidity volatile_acidity ... alcohol quality count 6497.000000 6497.000000 ... 6497.000000 6497.000000 mean 7.215307 0.339666 ... 10.491801 5.818378 std 1.296434 0.164636 ... 1.192712 0.873255 min 3.800000 0.080000 ... 8.000000 3.000000 25% 6.400000 0.230000 ... 9.500000 5.000000 50% 7.000000 0.290000 ... 10.300000 6.000000 75% 7.700000 0.400000 ... 11.300000 6.000000 max 15.900000 1.580000 ... 14.900000 9.000000 [8 rows x 12 columns] quality列去重后的值，从小到大输出： [3, 4, 5, 6, 7, 8, 9] 每个唯一值在数据集中出现的次数： 6 2836 5 2138 7 1079 4 216 8 193 3 30 9 5 Name: quality, dtype: int64
原文：https://www.cnblogs.com/xiao02fang/p/12725035.html