记录下自己python老是忘得一些基础代码

pandas

查看某列各个取值的个数

wycgps2019['ENCRYPT'].value_counts()

对于df的某列保留n位小数

• 方法一 round（不知道为什么有时候不起作用）

df=wycorder20190603[['DEST_LATITUDE','DEST_LATITUDE']]
df=df.round(3)

• 方法二

df=wycorder20190603[['DEST_LATITUDE','DEST_LATITUDE']]
df=df.round(3)
df.head()
formater="{0:.03f}".format
df.applymap(formater)

• 方法三

a=wycorder20190603['DEST_LATITUDE'].apply(lambda x:round(x,3))
a

dataframe重命名

冒号后的是新的名字

taxiorder2019 = taxiorder2019.rename(columns={'CAR_NO':'CARNO'})

dataframe排序

taxiorder2019.sort_values(by=['CARNO','GETON_DATE'], inplace=True)

dataframe重新设置索引

taxiorder2019.reset_index(inplace=True, drop=True)

将series转化为dataframe

#想以表格形式显示
pd.DataFrame(taxigps2019['CARNO'].unique())
#导出到txt
#pd.DataFrame(taxigps2019['CARNO'].unique()).to_csv('tmp.txt',index=None)

读取聚合函数的某个值

taixgps2019['OPERATING_STATUS'].value_counts()
#1    9540708
#6    6916642
#8     371497
#Name: OPERATING_STATUS, dtype: int64

taixgps2019['OPERATING_STATUS'].value_counts().loc[6]
#6916642

将输出文件按时间命名

#将输出数据按照时间命名
import time 
def get_local_time():
    return time.strftime("%Y-%m-%d-%H%M", time.localtime())
time_stamp = get_local_time()
test[['id','isDefault']].to_csv('./result%s-test_sub.csv'%time_stamp, index=False)

jupyter

jupyter显示所有行、列

#显示所有列
pd.set_option('display.max_columns', None)
#显示所有行
pd.set_option('display.max_rows', None)
#设置value的显示长度为100，默认为50
pd.set_option('max_colwidth',100)

jupyter显示所有输出，而不用加print

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"
#这两行代码作用是可以显示所有输出，而不用加print

InteractiveShell.ast_node_interactivity = "last_expr"
#这个代码作用只显示最后一行的输出

jupyter中查看python版本

import sys 
sys.version

matplotlib

保存图片

#matplotlib：
plt.hist(data['Price'])
plt.savefig('hist.png')   #路径+文件名

#seaborn：
sns_hist = sns.distplot(data['Price'])
fig = sns_hist.get_figure()fig.savefig('hist.png')   #路径+文件名

机器学习&深度学习

保存模型及读取

保存模型

import os
from sklearn.externals import joblib
 
# 创建文件目录
dirs = 'testModel'
if not os.path.exists(dirs):
    os.makedirs(dirs)
    
# 保存模型
joblib.dump(LR, dirs+'/LR.pkl'

读取模型

# 读取模型
LR = joblib.load(dirs+'/LR.pkl')
 
test = np.array([[3,4,5],[8,7,6]])
print('预测结果:\n', LR.predict(test)