pandas 学习 一 read csv 的参数与 DataFrame

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

                       

• 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

• index_col：认定原始 csv 文件的第几列（从0开始计数）为索引列（也即从1开始编号，表示每一行样本的编号）
  
  • 一般会指定 index_col=0，表示第0列为索引列
  • index_col 指定的列将不会作为 DataFrame 的一列进行返回；
• 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()
• df.values

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_A0   1  0.456539  0.0000001   2  1.022736  0.6931472   3 -0.158207  1.0986123   4  0.951304  1.3862944   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         B0  21  0.4565391  22  1.0227362  23 -0.1582073  24  0.9513044  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；

           

给我老师的人工智能教程打call！http://blog.csdn.net/jiangjunshow