机器学习（六）：Pandas的使用技巧(二)

这是一篇机器学习的介绍，本文不会涉及公式推导，主要是一些算法思想的随笔记录。
适用人群：机器学习初学者，转AI的开发人员。
编程语言：Python

自己在项目中经常用到pandas，尤其是数据分析与数据预处理这两部分，自己最直接的感受就是pandas像是SQL+excel,当然，pandas的功能远不止这些。

（注：以下pd均表示pandas，df指pandas对象）

数据切片

pandas获取某列数据，可以通过列名 [‘column’] 获取，可以通过数据切片来获取，数据切片既可以获取列（特征），也可以获取行（记录），.ix[row,column]:

df['name','date']
df.ix[:3,:2]
df.ix[:3,[x for x in df.columns if 'width' in x]]

遍历数据

pandas中遍历数据，可以使用迭代器的方式：
DataFrame.iterrows()

for index, row in df.iterrows():
    print row["c1"], row["c2"]

也可以通过apply()的方式应用lambda表达式：
改用DataFrame.apply()：

new_df = df.apply(lambda x: x * 2)

去除某些列

drop()

df = df.drop(['desc','url'],axis=1)

数据筛选

pandas进行数据筛选，方式很多，也很灵活，类似于SQL中的where条件过滤：

df[df['name']=='haozk']
df[~(df['name']=='haozk')]
df[(df['age'].astype(int)==35) & (df['height]>170.5) ]

数据拼接

pandas进行数据拼接，比如在数据预处理阶段，对某些特征进行了特征编码，尤其是进行了One-Hot-Encoding处理，特征列会增多，或者进行了特征列的筛选，需要进行数据拼接（当然，数据切片也可以做到），再或者是计算数据的交集、差集、并集等，数据拼接的方法有concat()、merge()、join(),由于篇幅有限，可参照如下博文：
数据合并与重塑：concat篇
数据合并与重塑：join/merge篇