Pandas机器学习一些操作

读取csv文件

import pandas as pd

# 读取
data = pd.read_csv("./train.csv")

---

对csv文件进行操作

# -----------------------------------------查询------------------------------------------------------

# 条件查询, 缩小数据集范围, 加快运算
data = data.query("x > 1.0 & x < 1.25 & y > 2.5 & y < 2.75")
# 聚合 + 统计
place_count = data.groupby('place_id').aggregate(np统计方法) 
# 进行筛选, 还原索引
tf = place_count[place_count.row_id > 3].reset_index()

# 查询字段
data[data.a>0]  # 查询整张表
    .reset_index() # 还原索引
    .isin() # 类似mysql的in查询, 可以增加条件, df[df.E.isin(['a','d'])&df.D.isin([0,])]
data['字段']  # 获取一列数据
data[['字段', '字段']]  # 获取多个字段

# -----------------------------------------转换------------------------------------------------------

# 把符合条件的字段转换成时间戳
time_value = pd.to_datetime(data['time'], unit='s')  # time转为时间戳

# 把时间格式的字段转换成字典格式，获取年，月，日
time_value = pd.DatetimeIndex(time_value)
#time_value.key 可以获取里面的属性, 也可以构建新的字段

# ----------------------------------------删除-------------------------------------------------------
# 删除字段, 按列选择
data = data.drop(['time'], axis=1) 

# ----------------------------------------修改------------------------------------------------------
x['字段'].fillna(x['字段'].mean(), inplace=True)  # 填充缺失值, inplace把缺失值替换成平均数