pandas 常用方法

1.布尔筛选
data.loc[(data['a'] ==a1)&(data ['B'] ==b1),['A','B']]
2.data.apply ( func, axis=0) 
#axis=0 defines that function is to be applied on each column
3.#对于类别变量 填补缺失值
from scipy.stats import mode
mode(data['Gender'])
data['Gender'].fillna(mode(data['Gender']).mode[0], inplace=True)
4.#利用多元变量组合  对 其他变量分类 创建透视表
impute_grps = data.pivot_table(values=["LoanAmount"], index=["Gender","Married","Self_Employed"], aggfunc=np.mean)
5.利用上面的分类情况 填补缺失值
#iterate only through rows with missing LoanAmount
for i,row in data.loc[data['LoanAmount'].isnull(),:].iterrows():
  ind = tuple([row['Gender'],row['Married'],row['Self_Employed']])#得到缺失值所对应的三元组
  data.loc[i,'LoanAmount'] = impute_grps.loc[ind].values[0]#查询 多维索引
6.#crosstab 用于可视化 一个取值做行标签一个做列标签 查看相关关系
pd.crosstab(data["Credit_History"],data["Loan_Status"],margins=True)
7.#merge合并
8.#排序
data_sorted = data.sort_values(['ApplicantIncome','CoapplicantIncome'], ascending=False)
9.#plotting(Boxlplot Histogram)   比较分布 ApplicantIncome(通过 Loan_Status分类)查看不同取值对分布有无影响
%matplotlib inline
data.boxplot(column="ApplicantIncome",by="Loan_Status")
data.hist(column="ApplicantIncome",by="Loan_Status",bins=30)
10 分组pd.cut() :传入三个切分点四个标签分为四组 用于变量分组离散化
def binning(col, cut_points, labels=None):
  minval = col.min()
  maxval = col.max()
  break_points = [minval] + cut_points + [maxval]#连接列表 五个值
  if not labels:
    labels = range(len(cut_points)+1)
  colBin = pd.cut(col,bins=break_points,labels=labels,include_lowest=True)
  return colBin

#Binning age:
cut_points = [90,140,190]
labels = ["low","medium","high","very high"]
data["LoanAmount_Bin"] = binning(data["LoanAmount"], cut_points, labels)#创建新特征
print pd.value_counts(data["LoanAmount_Bin"], sort=False)

11.编码标称数据  Low/low...对于输入有误意思一样的数据统一标示,细粒度区分合并  或者是变成数值型便于模型利用
#Define a generic function using Pandas replace function
def coding(col, codeDict):
  colCoded = pd.Series(col, copy=True)
  for key, value in codeDict.items():
    colCoded.replace(key, value, inplace=True)
  return colCoded
 
#Coding LoanStatus as Y=1, N=0:
print 'Before Coding:'
print pd.value_counts(data["Loan_Status"])
data["Loan_Status_Coded"] = coding(data["Loan_Status"], {'N':0,'Y':1})
print '\nAfter Coding:'
print pd.value_counts(data["Loan_Status_Coded"])
12.#防止变量类型不正确引起的麻
  1. 具有数字类别的类别变量被视为数字。
  2. 在其中一行中输入的字符(由于数据错误)的数字变量被认为是分类的
创建一个带有列名和类型的csv文件,用通用函数来读取文件并分配列数据类型
加载该文件后,我们可以遍历每一行,并使用列“type”将数据类型分配给“feature”列中定义的变量名。
for i, row in colTypes.iterrows():  #i: dataframe index; row: each row in series format
    if row['type']=="categorical":
        data[row['feature']]=data[row['feature']].astype(np.object)
    elif row['type']=="continuous":
        data[row['feature']]=data[row['feature']].astype(np.float)
print data.dtypes
















评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值