数据预处理 1.1 pandas入门

目录

1.DataFrame和Series简介

 1.DataFrame

  2.Series

2.加载数据集（csv和tsv）

2.1csv和tsv文件格式简介

2.1 加载数据集（tsv和csv）

3. DataFrame的行标签和列标签位置编号

3.1 DataFrame的行标签和列标签

3.2 DataFrame的行位置编号和列位置编号

4. DataFrame获取指定行列标签

 4.1 loc函数获取指定行列标签数据

4.2 iloc函数获取指定行列标签数据

4.3 loc和iloc的切片操作

4.4 []语法获取指定行列的数据

---

1.DataFrame和Series简介

pandas是用于数据分析的开源Python库，可以实现数据加载，清洗，转换，统计数值，可视化等功能。pandas最基本的两种数据结构：

 1.DataFrame

•   用来处理结构化数据（SQL数据表，Excel表格）
•   可以简单理解为一张数据表（带有行标签和列标签)

  2.Series

•   用来处理单列数据，也可以把DataFrame看作Series对象组成的字典或集合
•   可以简单理解为数据表的一行或一列

2.加载数据集（csv和tsv）

2.1csv和tsv文件格式简介

他们都是存储一个二维表数据的文件类型。

注意：csv文件的列元素是用逗号分割，而tsv文件每列元素用\t分割。

2.1 加载数据集（tsv和csv）

注意：数据文件和编写的.ipynb要放在同一文件夹下

1. 打开jupyter notebook
2. 导入pandas包（pandas不是Python标准库，所以需要导入）
3. 分别加载csv和tsv文件数据集

#如果想用pandas必须导入对应的jar包
import pandas as pd
#pd是我们给jar包起的名字(虚拟环境里必须先下载pandas)

#加载csv数据集
tips=pd.read_csv('./data/tips.csv')
tips
#加载tsv数据集
china=pd.read_csv('./data/china.tsv',sep='\t')
china

注意：加载tsv时必须加上sep参数，即sep='\t'

sep参数指定tsv文件的列元素分隔符为\t