数据加载
前置条件:导入numpy和pandas包;
import numpy as py
import pandas as pd
- 加载方式:整体加载、逐块加载;
df=pd.read_csv("train.csv")
df_chunker=pd.read_csv("train.csv",chunksize=1000)
#逐块读取的好处;
- 路径不同:相对路径、绝对路径;
df=pd.read_csv("train.csv")
df_abso=pd.read_csv("C://administrator/myPython/train.csv")
- 是否follow源数据:源数据不动、修改index或columns;
df=pd.read_csv("train,csv")
df_modify=pd.read_csv("train.csv",names=["乘客ID","姓名"],index_col="乘客ID,header=0)
#header设置为0的原因;
- 保存数据;
df.to_csv("train_chaniese.csv")
数据概况查看
- 简单查看:前几行、后几行、样本索引、样本特征;
#默认是5行
df.head()
df.tail()
df.index
df.columns
- 统计信息查看:空值查看、整体统计信息、逐个特征的统计信息;
#返回整个表的布尔类型,后可接.head()查看前几列;
df.isnull()
df.info()
df.describe()
- 具体样本or特征查看:某列、某行、某个最大值、某个最小值;
#有两种方式
df.客舱
or
df["客舱"]
df.loc[[1],["姓名","客舱"]]
or
df.iloc[[1,2],[2,4]]
max(df["兄弟姐妹个数"]+df["父母子女个数"])
min(df["兄弟姐妹个数"]+df["父母子女个数"])
- 筛选查看:隐藏某些特征、按规则隐藏某些样本;
df.drop(["姓名"])
df.drop(["姓名","客舱"],axis=1)
df.[df["年龄"]<10]
- 排序后回看:按值大小排序;
df.sort_values(by="年龄",ascending=False)