day9-机器学习之pandas库学习

​1、pandas是python的一个库，主要功能是处理数据，是各种机器学习比赛最常用的库（没有之一）。

2、使用方法：import pandas as pd，前提得安装了这个库

3、pandas有三大数据结构

• dataframe
• panel #高版本已弃用
• series

4、Series介绍

• 创建series，s = pd.Series([2, 3, 4])
• 可以通过Series对象的values属性获取数据部分，数据部分是ndarray s.values
• 可以通过Series对象的index属性获取索引部分，list(s.index)
• 可以通过index参数为对象指定字符串类型索引

index = ['mo', 'mo', 'da']
s = pd.Series([1,2,3], index=index)

• s[s>2]可以把s中大于2的值选出来
• np.sqrt(s)，求s中的每个值的算术平方根
• 通过字典创建Series对象

dic = {"时崎狂三": 16, "鲁鲁修": 18, "埼玉": 24}
s = pd.Series(dic) # dic的key是s的index

• s[0]返回的是一个值
• s[0:1]返回的是一个series，采用整数索引对series进行切片时，区间不包括右侧最大索引，也就是左闭右开
• 选取多个值，s[[‘时崎狂三’, ‘埼玉’]]
• 判断数据是否缺失：pd.isnull(s)
• 统计缺失值的个数：pd.isnull(s).sum()

5、dataframe介绍

• 创建dataframe对象

dic = {'动漫番名':['约会大作战', '叛逆的鲁鲁修', '一拳超人'],
       '喜欢人物':['时崎狂三', '鲁鲁修', '埼玉'],
	   '看番时间': [2021, 2016, 2018]}
df = pd.DataFrame(dic)

• 可以通过columns参数指定列的显示顺序

df = pd.DataFrame(dic, columns=['动漫番名', '看番时间', '喜欢人物'])

• df.shape (3,3)
• df.index 行索引
• df.columns 列索引
• df.values 返回一个3*3的array

array([['约会大作战', 2021, '时崎狂三'],
       ['叛逆的鲁鲁修', 2016, '鲁鲁修'],
       ['一拳超人', 2018, '埼玉']], dtype=object)

• 查看数据的基本信息，df.info()

• 索引不能单个修改，可以将列的属性变为索引 df = df.set_index(['看番时间'])

• 获取列，df['动漫番名']，获取多列，df[['喜欢人物', '动漫番名']]

• 读取csv文件，df = pd.read_csv(file_path)

• 索引方式：

  • 直接索引，必须先列后行
  • 按名字索引，loc
  • 按数字索引，iloc
  • 组合索引，数字、名字混合使用 ix

• 对某一列按照从大到小的顺序排列（需要是数值类型的列），df.sort_values(by=[列名], ascending=False) 默认是升序的

• 新增一列，df[列名] = 对应值

• 数据分组，g = df.groupby(列名)，g是一个dataframe组对象，分组的目的是为了聚合（sum mean等）来看出数据的分布特征

• 统计某列的数据，df[列名].value_counts()

• 合并数据，pd.merge(left, right, on=[列名])

• 合并数据后一般需要重新索引，df.reset_index(drop=True)，将旧索引丢掉

• apply方法：df.apply(函数名)， 例如：

 def add(x): 
    return x+1
 df.apply(add) # 就是将df的每一个值加了1

• 透视表，pd.pivot_table(df, index=列名，columns=列名，values=列名，aggfunc=np.sum)，通过pandas的透视表可以改变表的结构，变成更方便我们观察的数据格式，其中的aggfunc参数是聚合使用的函数
• 交叉表crosstab()是一种特殊的pivot_table()，多用于计算分组频率，pd.crosstab()

​
实践是检验真理的唯一标准，这些关于pandas的库的操作必须通过自己手敲练习才能掌握，切记不要眼高手低。

活动地址：CSDN21天学习挑战赛