机器学习——Pandas库

最新推荐文章于 2023-07-06 16:56:35 发布
最新推荐文章于 2023-07-06 16:56:35 发布
阅读量772 收藏 2
点赞数
分类专栏： 机器学习-学习记录 文章标签： 机器学习 pandas python Series DataFrame
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Daker_Huang/article/details/85019262
版权

上一篇文章中的numPy库是一个关于矩阵运算的库，而这个Pandas库是一个数据处理的库。
一般的，我们在拿到一堆数据时，这些数据并不一定是完整的、无错误的，所以我们需要对数据进行预处理，让它能够更好地满足建模的需求。其实Pandas在做预处理时，是基于numPy，如果numPy需要3、4行能解决的事，也许Pandas一个函数就能解决。

这里有一些Pandas库的基本函数：https://blog.csdn.net/claroja/article/details/65449494

读文件
Pandas本身就是用来读取文件数据的，那么现在有一个文件，我将它读进来。

import pandas as pd

food_info=pd.read_csv("food_info.csv")  #读文件
print(type(food_info))
print("-----------------------")
print(food_info.dtypes)

运行结果：
在这里插入图片描述
从上图我们可以知道，numPy的数据类型是ndarry，而pandas是一个dataframe。并且，在pandas中，一个字符型数据，它会把它表示成“object”类型，object类型相当于string类型，所以不用太过纠结。如下图：
在这里插入图片描述

显示部分数据
可以使用.head()或.tail()方法读取n行数据，而且会自动给每行数据进行标号。

food_info=pd.read_csv("food_info.csv")  #读文件
print("默认显示前5行：\n",food_info.head())
print("-----------------------")
print("显示前3行：\n",food_info.head(3))
print("-----------------------")
print("显示后3行：\n",food_info.tail(3))

运行结果：
在这里插入图片描述

取出所有的列名

food_info=pd.read_csv("food_info.csv")  #读文件
print(food_info.columns)

运行结果：
在这里插入图片描述

查看维度

food_info=pd.read_csv("food_info.csv")  #读文件
print(food_info.shape)

运行结果：
在这里插入图片描述
这说明了当前的样本有8618行，36列。

索引号取数据
pandas不像numPy中那样直接food_info[0]就可以取数据，在pandas中需要使用food_info.loc[0]来取数据。“0”表示第一行数据(不含列名)或者是第一条数据，它会显示列名。

food_info=pd.read_csv("food_info.csv")  #读文件
print(food_info.loc[0])   #取数据第1行

运行结果：
在这里插入图片描述
我们来看看是不是取得第一条数据。在csv文件中查看：
在这里插入图片描述
可以看到，确实是取出来第一条数据，每条数据对应的列名也取了出来。

索引号切片取数据

food_info=pd.read_csv("food_info.csv")  #读文件
print(food_info.loc[3:4])   #取数据第4-5行,也就是索引号3-4

运行结果：
在这里插入图片描述

当然，也可以单独取某些值：

food_info=pd.read_csv("food_info.csv")  #读文件
#print(food_info.loc[3:4])   #取数据第4-5行,也就是索引号3-4
print("-----------------------------------")
print(food_info.loc[[2,5,8]])   #取数据第3,6,9行,也就是索引号2,5,8

运行结果：
在这里插入图片描述

取某一列的数据
一般情况下，pandas会默认为第一行是列名。所以，我们可以通过输入列名名称来获取该列数据。

food_info=pd.read_csv("food_info.csv")  #读文件
name_row=food_info["NDB_No"]    #列的列名
print(name_row)

运行结果：
在这里插入图片描述
我们来看看csv文件：
在这里插入图片描述
可以看到，确实已经被读取出来了…

取某n列的数据
当然，也可以取某n列的数据。
这里我取前两列的数据：

food_info=pd.read_csv("food_info.csv")  #读文件
data_row=food_info[["NDB_No","Shrt_Desc"]]    #列的列名
print(data_row)

运行结果：
在这里插入图片描述

我们来看看csv文件的前两列：
在这里插入图片描述
可以看到，前两列数据确实已经被取了出来，并且pandas还给每行数据标了索引号。

特殊数据列的数据
有这么一个情况，在我的csv文件中有这些列名：
在这里插入图片描述
它们是以"g"或"mg"为单位的列数据。现在我想要取出以“g”为单位的所有数据列，怎么做呢？

food_info=pd.read_csv("food_info.csv")  #读文件
col_names=food_info.columns.tolist()   #取数据的每一列的列名，把它放进List数组中
print(col_names)
print("-------------------------------")
g_col_names=[]
for i in col_names:
    if i.endswith("(g)"):    #以"(g)"结尾的列名
        g_col_names.append(i) #追加到g_col_names数组中
print(g_col_names)

print("-------------------------------")
head_data_3=food_info[g_col_names].head(3)
print(head_data_3)    #只打印数据前三行

运行结果：
在这里插入图片描述

数据换算
我的csv文件中有这么一列（它是以“mg”结尾）：
在这里插入图片描述
我现在要把它换算成以“g”结尾的。我们知道，1000mg=1g，所以，这相当于该列的每行数据都要除以1000。
代码如下：

food_info=pd.read_csv("food_info.csv")  #读文件
mg_convertto_g=food_info["Calcium_(mg)"]/1000
print(mg_convertto_g)

运行结果：
在这里插入图片描述
对比csv中的数据，该列每行数据都被除以了1000。

n列对应加减乘除运算及增加一列操作
pandas中，可以直接对那两行数据进行加减乘除，也可以直接增加新的一列数据。当然了，前提是两列的维度一样。

food_info=pd.read_csv("food_info.csv")  #读文件
add_data=food_info["Ash_(g)"]+food_info["Carbohydrt_(g)"]  #两列相加
print(add_data.head(3))     #显示前三行数据
print("----------------------------------------")
print("初始的维度：\n",food_info.shape)
mg_convertto_g=food_info["Calcium_(mg)"]/1000 #把这列所有数据除以1000 
food_info["mg_convertto_g"]=mg_convertto_g   #增加新的一列数据
print("现在的维度：\n",food_info.shape)

运行结果：
在这里插入图片描述
看看csv文件：
在这里插入图片描述
这两列的前三行数据相加确实一样。而新加了一列之后的维度也有所改变。

某列最大值查找及归一化
numPy中我们可以进行最大值最小值查找，而在pandas中，唐可以进行最大值或最小值查找。
同时，我们还对该列进行归一化处理：每行数据/最大数据

food_info=pd.read_csv("food_info.csv")  #读文件
Max_data5=food_info["Sugar_Tot_(g)"].head(5).max() #取前5行最大值
print("前5行最大值:\n",Max_data5)
print("-------------------------------------------------")
Max_data_all=food_info["Sugar_Tot_(g)"].max()  #取该列所有数据中的最大值
normalize_data_all=food_info["Sugar_Tot_(g)"]/Max_data_all  #归一化处理
print(normalize_data_all)

运行结果：
在这里插入图片描述
我在这里取了该列前5行中的最大值，是为了好验证，查看csv文件：
在这里插入图片描述
可以看到，前5行最大值确实是0.51…
注意：NaN在pandas中被认为是缺失值或者打印不出来的值。

缺失值查找与统计
接下来我主要用泰坦尼克号人员获救预测”的数据集：titanic_train.csv来进行数据处理操作。当然了，这是一个真实的数据集…
（如果该数据集中某一列如果缺失值较多，那么这一列就不能作为特征列进行数据分析与处理。）
titanic_train.csv，它的数据在jupyter notebook中显示是这样的：
在这里插入图片描述
这里记录一下pyCharm与jupyter notebook的区别：
对于一个数据集来说，最直观的是pyCharm输出打印时会有缩减，对于横向数据较多的部分，会用省略号来隐藏。而notebook就不同了，它显示的数据较多，如上图所示。而pyCharm则不会，同样的代码，在pyCharm中的显示结果为：
在这里插入图片描述
甚至在notebook中有时候不需要写print()，写了print()反而会有点问题。所以，为了更好地显示数据，这一段代码，我在jupyter notebook中打印：

import pandas as pd
import numpy as np

titanic_data=pd.read_csv("titanic_train.csv")  #读文件

titanic_data.head(10)

显示结果：
在这里插入图片描述
通过上图可以看到，“Age”那一列有缺失值（当然其余列也有），这里用这一列查找和统计缺失值。所谓的缺失值，在pandas中以NaN表示，但在csv文件中表示的是空字符。

titanic_data=pd.read_csv("titanic_train.csv")  #读文件
#print(titanic_data.head())
age=titanic_data["Age"]
age_null=pd.isnull(age)  #使用pandas中的空判断函数判断这一列，如果为空，会返回True
print(age_null)
#统计该列的缺失值个数
count_null=len(age[age_null])  #查找的True可以作为索引
print("缺失值个数:\n",count_null)

在这里插入图片描述
在这里插入图片描述

求均值（在缺失值存在的条件下）
接上面，如果缺失值存在，怎么去求得该列的平均年龄呢？
1、当缺失值存在且不处理的情况下：

titanic_data=pd.read_csv("titanic_train.csv")  #读文件
avg=sum(titanic_data["Age"])/len(titanic_data["Age"])
print("平均年龄：\n",avg)

运行结果：
在这里插入图片描述
当有缺失值存在时，结果根本没法计算出来。
2、当缺失值存在且处理的情况下：

titanic_data=pd.read_csv("titanic_train.csv")  #读文件
age_null=pd.isnull(titanic_data["Age"]) #使用pandas中的空判断函数判断这一列，如果为空，会返回True
good_age=titanic_data["Age"][age_null==False]  #查找出这一列的缺失值为False的数据
avg=sum(good_age)/len(good_age)
print("平均年龄：\n",avg)

运行结果：
在这里插入图片描述
3、使用内置函数处理缺失值及求均值：

titanic_data=pd.read_csv("titanic_train.csv")  #读文件
good_age=titanic_data["Age"].mean() #均值，会自动忽略缺失值
print("平均年龄：\n",good_age)

运行结果：
在这里插入图片描述
不过以上的数据预处理去掉缺失值的方法并不是很好，通常会使用均值、中位数等来替换缺失值。
这里使用一个叫做fillNa()的函数进行替换：

titanic_data.fillna(good_age,inplace=True)#把NaN用平均值填充
print(titanic_data["Age"].head(6))

初始结果：
在这里插入图片描述
运行结果：
在这里插入图片描述

求对应舱位的均值
“Pclass”表示船上的舱位，1，2，3分别表示“一等舱”、“二等舱”、“三等舱”，“Fare”表示每个舱位对应的价格。
在这里插入图片描述
现在求每个舱位对应的均值：

titanic_data=pd.read_csv("titanic_train.csv")  #读文件
Pclass_Tick=titanic_data.pivot_table(index="Pclass",values="Fare",aggfunc=np.mean)
'''
.pivot_table(透视表)方法里面可以填写三个值，index表示统计的数据以谁为基准，
values表示关系，相当于x与y之间的关系。aggfunc是一个方法，求它们对应的均值，当然，也可以不写，默认为求均值
'''
print(Pclass_Tick)

运行结果：
在这里插入图片描述
当然，也可以多个数据进行操作。在csv文件中，“Embarked”表示人员上船的码头，“Fare”表示船票价格，“Survived”表示是否是幸存者。

titanic_data=pd.read_csv("titanic_train.csv")  #读文件
one_both=titanic_data.pivot_table(index="Embarked",values=["Fare","Survived"],aggfunc=np.sum)
print(one_both)

在这里插入图片描述

去掉NaN值
之前我们可以替换NaN的值，现在我们可以去掉NaN的值，为了显示清楚，这一段代码在notebook中运行。

titanic_data=pd.read_csv("titanic_train.csv")  #读文件
td=titanic_data.dropna(axis=0,subset=["Age","Survived"])
td.head(8)

初始结果：
在这里插入图片描述
上图中，可以看到索引标号为5的这一行有NaN。
运行结果：
在这里插入图片描述
可以看到，索引标号为6的这一行因为有NaN值，所以被去掉了。

重新排序
以某一列进行重新排序：

titanic_data=pd.read_csv("titanic_train.csv")  #读文件
new_titanic_date=titanic_data.sort_values("Age",ascending=False) #以年龄进行降序排序
print(new_titanic_date)

运行结果：
在这里插入图片描述
可以看到，表格确实根据年龄降序进行了重新排序，但是，索引却没有发生变化，我想让索引也重新标号，以0，1，2，…这样开始。这里就要用到reset_index()函数了。

titanic_data=pd.read_csv("titanic_train.csv")  #读文件
new_titanic_date=titanic_data.sort_values("Age",ascending=False) #以年龄进行降序排序

reset_index=new_titanic_date.reset_index(drop=True)  #drop=True表示原来的不要了，直接新建一个
print(reset_index.loc[0:9])   #切片取数据也可以

在这里插入图片描述
上面两个图作比较，只有索引发生了改变。

自定义函数查找缺失值

titanic_data=pd.read_csv("titanic_train.csv")  #读文件
def NaN_search(column):
    null_bool_data=pd.isnull(column)
    NaN_data=column[null_bool_data]
    return len(NaN_data)

count_NaN=titanic_data.apply(NaN_search)  #调用该函数，统计NaN个数
print(count_NaN)

运行结果：
在这里插入图片描述

Series结构

pandas中读取的数据结构式DataFrame，也就是一个矩阵，而Series也是一个数据结构，它表示矩阵中的一行或是一列。
现在我有这么一张数据集：
在这里插入图片描述
它是一个国外电影的评分数据，具体什么意思不用管它，我们也不熟。

Series数据结构
我们现在来看一看Series是不是DataFrame中的一行或一列：

fandango=pd.read_csv("fandango_score_comparison.csv")
film=fandango["FILM"]
print(type(film))

运行结果：
在这里插入图片描述
可以看到，我们读取了文件里的一列数据，打印出来的数据结构是Series，所以，Series是DataFrame中的一行或一列。
那么，现在，我进行如下操作，把“FILM”中的每一个值取出来：

fandango=pd.read_csv("fandango_score_comparison.csv")
film=fandango["FILM"]
print(type(film))
film_names=film.values  #取出film这一列中的每一个值
print(type(film_names))

运行结果：
在这里插入图片描述
可以看到，这些值的结构式ndarray，所以，Series包含ndarray，它们之间的关系如下：ndarray∈Series∈DataFrame。也就是说，pandas是封装在numPy的基础之上的。

Series索引操作
之前我们用索引的时候，几乎都是数字0，1，2，3… ，那么，可不可以用字符串当做索引呢？当然可以。

from pandas import Series   #创建Series需要导入Series
fandango=pd.read_csv("fandango_score_comparison.csv")  #读文件
film=fandango["FILM"]
film_names=film.values  #取出film这一列中的每一个值
# print(film_names)
score_Ro=fandango["RottenTomatoes"].values   #取出fandango["RottenTomatoes"]中的每一个值
series_custom=Series(score_Ro,index=film_names)   #用电影名当成一个索引
print(series_custom[["Ant-Man (2015)","Cinderella (2015)"]])  #打印这两个电影对应的评分
print("---------------------------------")
five_ten=series_custom[5:10]        #也可以不指定电影名，打印索引5——10的数据
print(five_ten)

运行结果：
在这里插入图片描述

Series排序操作

from pandas import Series
fandango=pd.read_csv("fandango_score_comparison.csv")  #读文件
film=fandango["FILM"]
film_names=film.values  #取出film这一列中的每一个值
score_Ro=fandango["RottenTomatoes"].values   #取出fandango["RottenTomatoes"]中的每一个值
series_custom=Series(score_Ro,index=film_names) #用电影名当成一个索引
list_index=series_custom.index.tolist()   #把电影名当成索引放进数组
sort_index=sorted(list_index)
reIndex=series_custom.reindex(sort_index)  
print(reIndex)

运行结果：
在这里插入图片描述

Series算平均值

from pandas import Series
fandango=pd.read_csv("fandango_score_comparison.csv")  #读文件
film=fandango["FILM"]
film_names=film.values  #取出film这一列中的每一个值
score_Ro1=fandango["RottenTomatoes"].values   #取出fandango["RottenTomatoes"]中的每一个值
score_Ro2=fandango["RottenTomatoes_User"].values   #取出fandango["RottenTomatoes_User"]中的每一个值
series_custom1=Series(score_Ro1,index=film_names) #用电影名当成一个索引
series_custom2=Series(score_Ro2,index=film_names) #用电影名当成一个索引
series_avg=(series_custom1+series_custom2)/2   #求两个媒体对这部电影的评分，取均值
print(series_avg)

运行结果：
在这里插入图片描述

**

DataFrame

**
DataFrame当索引取数据
Series可以进行字符串当索引，那么，DataFrame能不能呢？

fandango=pd.read_csv("fandango_score_comparison.csv")  #读文件
fandango_index=fandango.set_index("FILM",drop=True)  #设置电影名当成索引,drop=True表示原来的不要了，直接新建一个
cut_data=fandango_index["Avengers: Age of Ultron (2015)":"Hot Tub Time Machine 2 (2015)"]
print(cut_data)

运行结果：
在这里插入图片描述
注意：字符串要做索引，需要.set_index()操作之后才可以。

这里放下本章所讲的所有源码：
（需要哪章将注释去掉即可）

import pandas as pd
import numpy as np


#--------------------------读文件-------------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# food_info=pd.read_csv("food_info.csv")  #读文件
# print(type(food_info))
# print("-----------------------")
# print(food_info.dtypes)
# print("-----------------------")

#-------------------------显示部分数据--------------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# print("默认显示前5行：\n",food_info.head())
# print("-----------------------")
# print("显示前3行：\n",food_info.head(3))
# print("-----------------------")
# print("显示后3行：\n",food_info.tail(3))
# print(food_info.columns)

#-------------------------查看维度--------------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# print(food_info.shape)

#-------------------------索引号取数据---------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# print(food_info.loc[0])   #取数据第1行

#-------------------------索引号切片数据---------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# #print(food_info.loc[3:4])   #取数据第4-5行,也就是索引号3-4
# print("-----------------------------------")
# print(food_info.loc[[2,5,8]])   #取数据第3,6,9行,也就是索引号2,5,8

#-------------------------取某一列的数据---------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# name_row=food_info["NDB_No"]    #列的列名
# print(name_row)

#-------------------------取某n列的数据----------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# data_row=food_info[["NDB_No","Shrt_Desc"]]    #列的列名
# print(data_row)

#-------------------------取特殊数据列的数据----------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# col_names=food_info.columns.tolist()   #取数据的每一列的列名，把它放进List数组中
# print(col_names)
# print("-------------------------------")
# g_col_names=[]
# for i in col_names:
#     if i.endswith("(g)"):    #以"(g)"结尾的列名
#         g_col_names.append(i) #追加到g_col_names数组中
# print(g_col_names)
#
# print("-------------------------------")
# head_data_3=food_info[g_col_names].head(3)
# print(head_data_3)    #只打印数据前三行

#-------------------------数据换算----------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# mg_convertto_g=food_info["Calcium_(mg)"]/1000
# print(mg_convertto_g)

#-------------------------n列对应加减乘除运算及增加一列操作----------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# add_data=food_info["Ash_(g)"]+food_info["Carbohydrt_(g)"]  #两列相加
# print(add_data.head(3))     #显示前三行数据
# print("----------------------------------------")
# print("初始的维度：\n",food_info.shape)
# mg_convertto_g=food_info["Calcium_(mg)"]/1000 #把这列所有数据除以1000
# food_info["mg_convertto_g"]=mg_convertto_g   #增加新的一列数据
# print("现在的维度：\n",food_info.shape)

#------------------------某列最大值查找及归一化-----------------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# Max_data5=food_info["Sugar_Tot_(g)"].head(5).max() #取前5行最大值
# print("前5行最大值:\n",Max_data5)
# print("-------------------------------------------------")
# Max_data_all=food_info["Sugar_Tot_(g)"].max()  #取该列所有数据中的最大值
# normalize_data_all=food_info["Sugar_Tot_(g)"]/Max_data_all  #归一化处理
# print(normalize_data_all)

#------------------------排序操作-----------------------
# food_info=pd.read_csv("food_info.csv")  #读文件
# food_info.sort_values("Ash_(g)",inplace=True)   #默认升序排序，inplace表示是否生成一个新的dataframe，这里True表示不生成
# print("升序:\n",food_info["Ash_(g)"])
# print("-------------------------------")
# food_info.sort_values("Ash_(g)",inplace=True,ascending=False) #降序操作，ascending=False表示降序，ascending=True为默认，表示升序
# print("降序:\n",food_info["Ash_(g)"])

#------------------------缺失值查找与统计(notebook中运行最好)--------------------
# titanic_data=pd.read_csv("titanic_train.csv")  #读文件
# #print(titanic_data.head())
# age=titanic_data["Age"]
# age_null=pd.isnull(age)  #使用pandas中的空判断函数判断这一列，如果为空，会返回True
# print(age_null)
# #统计该列的缺失值个数
# count_null=len(age[age_null])  #查找的True可以作为索引
# print("缺失值个数:\n",count_null)

#------------------------求均值（在缺失值存在的条件下）--------------------
#-------------1、当缺失值存在且不处理的情况下：---------------
# titanic_data=pd.read_csv("titanic_train.csv")  #读文件
# avg=sum(titanic_data["Age"])/len(titanic_data["Age"])
# print("平均年龄：\n",avg)
#-------------2、当缺失值存在且处理的情况下：---------------
# titanic_data=pd.read_csv("titanic_train.csv")  #读文件
# age_null=pd.isnull(titanic_data["Age"]) #使用pandas中的空判断函数判断这一列，如果为空，会返回True
# good_age=titanic_data["Age"][age_null==False]  #查找出这一列的缺失值为False的数据
# avg=sum(good_age)/len(good_age)
# print("平均年龄：\n",avg)
#-------------3、使用内置函数处理缺失值及求均值：---------------
# titanic_data=pd.read_csv("titanic_train.csv")  #读文件
# good_age=titanic_data["Age"].mean() #均值，会自动忽略缺失值
# print("平均年龄：\n",good_age)
# titanic_data.fillna(good_age,inplace=True)#把NaN用平均值填充
# print(titanic_data["Age"].head(6))

#-------------------求对应舱位的均值----------------------
# titanic_data=pd.read_csv("titanic_train.csv")  #读文件
# Pclass_Tick=titanic_data.pivot_table(index="Pclass",values="Fare",aggfunc=np.mean)
# '''
# .pivot_table(透视表)方法里面可以填写三个值，index表示统计的数据以谁为基准，
# values表示关系，相当于x与y之间的关系。aggfunc是一个方法，求它们对应的均值，当然，也可以不写，默认为求均值
# '''
# print(Pclass_Tick)
#
# one_both=titanic_data.pivot_table(index="Embarked",values=["Fare","Survived"],aggfunc=np.sum)
# print(one_both)

#------------------去掉NaN值(notebook中运行最好)--------------------------
# titanic_data=pd.read_csv("titanic_train.csv")  #读文件
# td=titanic_data.dropna(axis=0,subset=["Age","Survived"])

#------------------重新排序--------------------------
# titanic_data=pd.read_csv("titanic_train.csv")  #读文件
# new_titanic_date=titanic_data.sort_values("Age",ascending=False) #以年龄进行降序排序
# print(new_titanic_date.head(10))
# reset_index=new_titanic_date.reset_index(drop=True)  #drop=True表示原来的不要了，直接新建一个
# print(reset_index.loc[0:9])   #切片取数据也可以

#------------------自定义函数查找缺失值个数--------------------------
# titanic_data=pd.read_csv("titanic_train.csv")  #读文件
# def NaN_search(column):
#     null_bool_data=pd.isnull(column)
#     NaN_data=column[null_bool_data]
#     return len(NaN_data)
#
# count_NaN=titanic_data.apply(NaN_search)  #调用该函数，统计NaN个数
# print(count_NaN)




#-------------------Series数据结构------------------------------
# fandango=pd.read_csv("fandango_score_comparison.csv")  #读文件
# film=fandango["FILM"]
# print(type(film))
#
# film_names=film.values  #取出film这一列中的每一个值
# print(type(film_names))

#-------------------Series索引操作------------------------------
# from pandas import Series   #创建Series需要导入Series
# fandango=pd.read_csv("fandango_score_comparison.csv")  #读文件
# film=fandango["FILM"]
# film_names=film.values  #取出film这一列中的每一个值
# # print(film_names)
# score_Ro=fandango["RottenTomatoes"].values   #取出fandango["RottenTomatoes"]中的每一个值
# series_custom=Series(score_Ro,index=film_names)   #用电影名当成一个索引
# print(series_custom[["Ant-Man (2015)","Cinderella (2015)"]])  #打印这两个电影对应的评分
# print("---------------------------------")
# five_ten=series_custom[5:10]        #也可以不指定电影名，打印索引5——10的数据
# print(five_ten)


#-------------------Series排序操作------------------------------
# from pandas import Series
# fandango=pd.read_csv("fandango_score_comparison.csv")  #读文件
# film=fandango["FILM"]
# film_names=film.values  #取出film这一列中的每一个值
# score_Ro=fandango["RottenTomatoes"].values   #取出fandango["RottenTomatoes"]中的每一个值
# series_custom=Series(score_Ro,index=film_names) #用电影名当成一个索引
# list_index=series_custom.index.tolist()   #把电影名当成索引放进数组
# sort_index=sorted(list_index)
# reIndex=series_custom.reindex(sort_index)
# print(reIndex)

#---------------------Series算平均值-------------------------------
# from pandas import Series
# fandango=pd.read_csv("fandango_score_comparison.csv")  #读文件
# film=fandango["FILM"]
# film_names=film.values  #取出film这一列中的每一个值
# score_Ro1=fandango["RottenTomatoes"].values   #取出fandango["RottenTomatoes"]中的每一个值
# score_Ro2=fandango["RottenTomatoes_User"].values   #取出fandango["RottenTomatoes_User"]中的每一个值
# series_custom1=Series(score_Ro1,index=film_names) #用电影名当成一个索引
# series_custom2=Series(score_Ro2,index=film_names) #用电影名当成一个索引
# series_avg=(series_custom1+series_custom2)/2   #求两个媒体对这部电影的评分，取均值
# print(series_avg)


#---------------------DataFrame当索引取数据-------------------------------
# fandango=pd.read_csv("fandango_score_comparison.csv")  #读文件
# fandango_index=fandango.set_index("FILM",drop=True)  #设置电影名当成索引,drop=True表示原来的不要了，直接新建一个
# cut_data=fandango_index["Avengers: Age of Ultron (2015)":"Hot Tub Time Machine 2 (2015)"]
# print(cut_data)
风极_陨
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pandas 中Series的：数据定义，访问，追加，切片，删除
让算法融入生活，改变生活！
09-08 4万+
本文测试使用Pandas使用的是Spyder，python3.6版本，已经安装好pandas包。 序列：Series 用于存储一行或者一列的数据，以及与之相关的索引集合（类似于列表，但是有索引） 数据定义： #序列的导入 from pandas import Series #定义，可以混合定义 x=Series(['a',True,1],index=['first','second','...
Pandas数据处理
qq_32062101的博客
07-18 1048
Pandas数据处理 dataframe里用一列除以1000，则每个元素都会除以1000 print( food_info["Iron_(mg)"]) div_1000 = food_info["Iron_(mg)"] / 1000 print (div_1000) Iron_(mg)的列中的每一个元素会除以1000 #print food_info["Sodium_(mg)"] fo...
机器学习——pandas
胡图图不糊涂的博客
06-19 3479
Pandas中一共有三种数据结构，分别为：Series、DataFrame和MultiIndex（老版本中叫Panel ）。 其中Series是一维数据结构，DataFrame是二维的表格型数据结构，MultiIndex是三维的数据结构。Series是一个类似于一维数组的数据结构，它能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据和与之相关的索引两部分构成。pd.Series(data=None, index=None, dtype=None) ②series的属性 为了更方便地操作Ser
Python 机器学习入门系列之1-pandas的使用，最新Python从入门到精通自学教程，免费分享
CDB3399的博客
05-12 1303
随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。Python是一种流行的编程语言，被广泛应用于数据科学和机器学习领域。机器学习是一种人工智能技术，可以让计算机从数据中学习，并自动改进算法。在机器学习中，数据处理和分析是非常重要的环节，而Pandas是一个强大的Python库，可以帮助我们轻松地处理和分析数据。
Series部分操作
weixin_43196158的博客
04-12 470
import pandas as pd from pandas import Series path="E:\\北风\\数据科学脚本\\Python_book\\5Preprocessing\\teleco_camp_orig.csv" fo=open(path) info=pd.read_csv(fo) print(info) ID Suc_flag ARPU Pro...
机器学习——单变量线性回归详解
12-22
文章目录数据导入作图：我们可以先把这些离散的点在散点图上呈现出来，对数据有一个直观的感受，根据数据点的分布去选...import pandas as pd dataframe = pd.read_csv('ex1data1.txt', names=['population', 'profit'
机器学习代码实战——KMeans（聚类）
12-21
1.使用sklearn库中的鸢尾花数据集，并尝试使用花瓣的宽度和长度特征来形成簇。 2. 为简单起见，删除其他两个特征。 3. 找出是否有任何预处理（例如缩放）可以帮助解决问题，绘制肘部曲线，从中得出k的最佳值 2.导入...
机器学习代码实战——PCA（主成分分析）
12-22
导入必要的库 import pandas as pd import numpy as np from sklearn.datasets import load_iris #sklearn中导入load_iris数据 import matplotlib.pyplot as plt from sklearn.preprocessing import StandardScaler ...
人工智能实战——从Python入门到机器学习资料大全.zip
06-04
包含：Python 基础教程、10个编程技巧、Python高级编程、优化算法、实例学习Numpy与Matplotlib、实例学习pandas、机器学习、深度学习、梯度下降、实验等等等等人工智能实战——从Python入门到机器学习资料大全。...
机器学习算法KNN（K近邻）应用实例——实现对是否患糖尿病的预测
05-06
机器学习算法KNN（K近邻）应用实例 使用KNN（K近邻）算法对是否容易得糖尿病问题进行预测。 资源中包括完成的KNN算法训练和实现过程，以及用于机器学习的糖尿病数据集。 数据特征包括： Pregnancies：怀孕次数 ...
pandas 资源包
02-12
pandas-0.22.0-cp36-cp36m-win_amd64.whl 运行于64位系统
Series 假如有两个索引都是a 那么求平均数
qq_37354021的博客
08-21 938
#Series 假如有两个索引都是a 那么求平均数 a=pd.Series([1,2,3,4,6,7],index=['a','a','b','b','c','d']) ind=list(a.index) ind_dict={} #判断哪些是重复的索引 for i in ind: if i in ind_dict.keys(): ind_dict[i]+=1 e...
pandas series 保留两位小数
花木兰
07-04 2万+
转换之前 question_id sum count mean 0 1 15 24 0.625000 1 2 1 1 1.000000 2 3 6 16 0.375000 3 4 3 5 ...
pandas 求和，求平均，统计
热门推荐
glittledream的博客
02-24 11万+
有这样一张表： 求和，求平均： import pandas as pd student = pd.read_excel("C:/Users/Administrator/Desktop/Students.xlsx",index_col="ID") temp = student[["Test_1","Test_2","Test_3"]] student["total"] = temp
Python pandas数据分析中常用方法
心之所向
03-20 10万+
官方教程 读取写入文件 官方IO 读取 写入 read_csv 　　　　　　to_csv read_excel 　　　　　to_excel read_hdf 　　　　　　to_hdf read_sql 　　　　　　to_sql read_json　　　　　　to_json read_msgpack (experimenta...
python使用pandas模块介绍以及使用，dataframe结构，Series结构，基本数据操作,DataFrame运算，pandas画图，存储，缺失值处理，离散化，合并
weixin_55579895的博客
10-12 2595
目录1 pandas介绍1.1 Pandas介绍1.2 为什么使用Pandas1.3 案例：在numpy当中创建的股票涨跌幅数据形式1.4 DataFrame1.4.1 DataFrame结构1.4.2 DatatFrame的常用属性和方法 1 pandas介绍 1.1 Pandas介绍 面板 数据 （三维数据）分析 计量经济学（数据分析80% 跑计量20%） 以Numpy为基础，借力Numpy模块在计算方面性能高的优势 基于matplotlib，能够简便的画图 独特的数据结构 1.2 为什么使用Pa
机器学习基本库之Pandas
qq_60632452的博客
07-19 612
机器学习基本库之Pandas
利用NumPy和Pandas进行机器学习数据处理与分析
最新发布
null18的博客
07-06 700
在进行科学计算和数据分析时，处理大量数据和进行高效的数值计算是不可或缺的。为了满足这些需求，Python语言提供了一个被广泛使用的库——Numpy。Numpy是Numerical Python的缩写，它为Python提供了功能强大的多维数组对象和一组用于处理这些数组的函数。本文将介绍Numpy的基本语法，包括数组的创建、索引和切片、数学运算、广播和聚合等功能，以帮助读者快速上手和熟练使用Numpy进行数值计算。在机器学习领域，数据处理是非常重要的一环。
Pandas索引与计算
qq_39112101的博客
12-15 741
(1)获取某行数据  如： 获取第0行：file1.loc[0] 获取第0行到第3行数据： file1.loc[0:3] 获取第2行第5行和第10行的数据：  file1.loc[[2,5,10]]                                                        或者data_flag  = [2,5,10]           print(...
java学习_从爬虫到机器学习——Python网络数据分析
05-14
Python 中有很多机器学习库，比如 TensorFlow 和 Scikit-learn。 7. 练习和实践：学习之后，你需要练习和实践。你可以找到一些数据集并对其进行分析。 以上是一些学习 Python 网络数据分析的步骤，希望对你有所...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值