pandas的read_csv 的参数与 DataFrame

            <ul>

• 对 DataFrame 对象迭代得到的是其各个属性列的列名，自然为 list 类型；

• 1. 从文件读取数据返回 data frame

  pandas.read_csv参数详解

  • read_csv，read_excel

    df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/'
                     'breast-cancer-wisconsin/wdbc.data', header=None)
                            # df: data frame
                            # type(df): <class 'pandas.core.frame.DataFrame'>
       
       
    1
    2
    3
    4

  • header：表头，默认不为空（为 0，也即将第一行视为表头）。如果我们要读取的文件，直接就是数据，没有所谓的表头。就需指定 header=None，否则将以文件的第一行作为 df.columns。指定 header=None，df.columns 返回的是列索引，如一个三列的数据：

    Int64Index([0, 1, 2], dtype='int64')
       
       
    1

  • parse_datas：指明日期列，为字符串构成的 list；

  • thousands : str, default None，千分位分割符，如“，”或者“.”

  2. pandas 基本数据结构：Series 与 DataFrame

  from pandas import Series, DataFrame

  • Series 最重要的一个功能在于：它在算术运算中会自动对齐不同索引的数据；

  X, y = df.values[:, 2:], df.values[:, 1]
                  # df.values 的类型为 numpy.ndarray
  # 也可以
  X, y = df.loc[:, 2:].values, df.loc[:, 1].values
   
   
  1
  2
  3
  4

  3. dataframe 与 numpy 下的多维数组的转换

  • dataframe ⇒ numpy.ndarray：df.ax_matrix()

  4. 基本成员函数

  • df.dtypes：会按列给出各个列的数据类型；

  • df.columns，获取列名，可直接通过.的形式进行索引；

    比如一个 df.columns 的返回值为：

    Index([u'dt', u'kind', u'value'], dtype='object')
       
       
    1

    可直接索引的含义在于，使用 df.dt 或者 df.kind 或者 df.value 进行索引，获取某列的全部值（ 注，pandas 的特点，以列进行索引和修改）。同时索引多个列以构成一个新的表格，

    df[['dt', 'value']]            # 这样得到的仍然是 dataframe
       
       
    1

    支持[]的索引方式，但关键字必须是 list 的形式（['dt', 'value']），而不可以是 tuple

  • df.assign()：指定新的列（如果列名已存在，则替换；如果不存在，在添加该列），返回一个新的 DataFrame，不对原始的 DataFrame 进行修改；

    • 当然其也可以接收一个 lambda 型的函数对象，该函数对象接收的参数则是原始的 dataframe；

    
    # 接收 lambda 型函数对象，
    
    >> df = DataFrame({'A':range(1, 6), 'B':np.random.randn(5)})
    >> df.assign(ln_A=lambda x: np.log(x.A))
    
        A         B      ln_A
    0   1  0.456539  0.000000
    1   2  1.022736  0.693147
    2   3 -0.158207  1.098612
    3   4  0.951304  1.386294
    4   5 -1.024661  1.609438
                    # 此时 df 本身并未发生任何改变；
    >> df.assign(A = range(21, 26))
        A         B
    0  21  0.456539
    1  22  1.022736
    2  23 -0.158207
    3  24  0.951304
    4  25 -1.024661
       
       
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20

    pandas.DataFrame.assign

  • set_index()：将某列设置为索引列；