pandas的数据处理基础一——0716

第一步：

指定文件的编码类型：

# -*- coding: utf-8 -*-

#作为一个纯文科生，虽然知道需要指定，还是记录下来吧，免得忘记了。

第二步：数据读取的问题

food_info  = pd.read_csv("C:\Users\enryl\PycharmProjects\data/food_info.csv")

(unicode error) 'unicodeescape' codec can't decode bytes in position 2-3: truncated \UXXXXXXXX escape

上面那段执行后报如上错误，原因是：

在Python中 \ 是转义符，\u表示其后是UNICODE编码，因此\User在这里会报错，在字符串前面加个 r（rawstring  原生字符串），可以避免python与正则表达式语法的冲突！

修改后为：food_info = pd.read_csv(r"C:\Users\enryl\PycharmProjects\data/food_info.csv")  即可正常读取数据

第三步：显示数据的前几行

df.head()/df.head(10)

如果不指定则是默认读取前5行，如果需要选择具体的行数，则在里面输入需要读取的行数即可。

food_info.tail(1) 表示显示最后结尾几行

第四步：获取数据的列名称

df.columns 

获取数据的某一列，通过索引的方式，前面控制的是获取的第几行的数据。 
food_info.iloc[0:5,[1]]

最终获取的是一个list的结果，表示获取了数据的所有列名称

第五步：获取数据的大小属性

df.shape

food_info.shape
Out[18]: 
(8618, 36)

说明数据是8618行，每一行有36个指标特征

第六步：取一些特殊位置的数据

df.loc[3:5] 这里是获取基本的行数据，不包含前面包含后面那一行的数据，特别注意，python的索引是从0开始的。

获取列数据的方法：

第一种方法：根据列名字获取

food_info['NDB_No']
Out[20]: 

food_info[['NDB_No','Shrt_Desc']]
如上，则取出来的是两列的数据

第二种方法，通过loc和iloc获取数据行和列

基本的loc是获取行数据，可以直接通过索引获取。

这里学习这个帖子的，写的很清楚：

https://blog.csdn.net/w_weiying/article/details/81411257

第七步：对某些列的数据进行筛选和初步的数据处理

food_info['Water_(kg)']=food_info['Water_(g)']/100  #新建一列，根据需要对数据进行处理
food_info.loc[0:5,['Water_(kg)','Water_(g)']]
Out[49]: 
   Water_(kg)  Water_(g)
0      0.1587      15.87
1      0.1587      15.87
2      0.0024       0.24
3      0.4241      42.41
4      0.4111      41.11
5      0.4842      48.42
 

第八步：对某些列进行加减乘除的操作，同时赋值到新的的列里面去

water_energ = food_info['Water_(g)']*food_info['Energ_Kcal']
water_energ.head(10)
food_info['water_energ']  =water_energ
food_info.shape

第九步：对现有的数据进行排序

food_info.sort_values('Sodium_(mg)',ascending=False)
#默认是升序的操作，ascending=False 则是降序的操作了