【机器学习】Pandas入门

目录

一、基本概述

二、重要的两个数据结构

三、创建方法

四、参数解析

五、读取文件的方法

六、查看df属性的操作

七、基本操作

八、缺失值处理

一、基本概述

Pandas 库是一个免费、开源的第三方 Python 库，是 Python 数据分析必不可少的工具之一，它为 Python 数据分析提供了高性能，且易于使用的数据结构，即 Series 和 DataFrame。

二、重要的两个数据结构

Series：是一种一维的结构，类似于一维列表和ndarray中的一维数组，但是功能比他们要更为强大，Series由两部分组成：索引index和数值values；

DataFrame：DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔类型）。

三、创建方法

1.创建方法如下：

import pandas as pd
import numpy as np
a = np.array(['a','b','c','d'])
s = pd.Series(a)
print (s)

第一列为标签，第二列为数据，一一对应。dtype为数据类型。

2.创建DataFrame方法如下：

import pandas as pd

data = [['li',18],['wang',12],['sun',13]]

df = pd.DataFrame(data,columns=['name','Age'],dtype=float)

print(df)

 第一列：为index（0，1，2），第一行：列标签columns，左下角：data。

四、参数解析

pandas.DataFrame( data, index, columns, dtype, copy)

参数	说明
data	一组数据(ndarray、series, map, lists, dict 等类型)。
index	索引值，或者可以称为行标签。
columns	列标签，默认为(0, 1, 2, …, n) 。
dtype	数据类型。
copy	拷贝数据，默认为 False。

五、读取文件的方法

读取文件这块比较简单，只要掌握read_csv等函数即可，如下图代码所示：

import pandas as pd
if __name__ == '__main__':

    #1.加载数据
    df = pd.read_csv(r"D:\企业课\data\1.csv")
    print(df)
    #输出df所有内容

数据文件1.csv陆续会上传，方便大家使用！

六、查看df属性的操作

属性	描述
shape	df的类型
index	索引值
columns	列标签
ndim	查看维度
info()	查看函数的帮助文档，方便使用

import pandas as pd
if __name__ == '__main__':

    #1.加载数据
    df = pd.read_csv(r"D:\企业课\data\1.csv")

    #查看df 属性
    print(df.shape)
    print("--" * 20)
    print(df.index)
    print("--" * 20)
    print(df.columns)
    print("--" * 20)
    print(df.ndim)
    print("--" * 20)
    print(df.info())

七、基本操作

方法	描述
sum()	求和
mean()	求平均值
std()	求标准差
describe()	数据汇总描述

八、缺失值处理

1.检查缺失值，使用isnull()方法进行检查

2.缺失值计算，将缺失值NAN值视为0

3.清理并填充缺失值，使用fillna()函数将非空数据填充NAN值。

4.使用dropna()函数进行删除缺失值

本文将拿第4点进行举例

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f','h'],columns=['one', 'two', 'three'])
df = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])
print(df)
#删除缺失值
print (df.dropna())