AI基础_pandas极速入门

1. 前言

pandas 在机器学习和深度学习的过程中是十分重要的。这个教程基于天池的pandas实践课程。不同的是本文会对其进行简化。力求用到最核心的内容，其他部分请各位参考原文链接：

天池 pandas基础课程

在进行所有的操作之前，必须的操作为：

本文的pandas版本为1.1.5

import pandas as pd
import numpy as np 

2. 文件读取

由于数据集的类型还是比较复杂的，所以这里多写一些数据类型。

以鸢尾花数据集为例：

2.1 读入csv

df_csv = pd.read_csv('iris.csv',delimiter=",")
df_csv                                       
                                             

2.2 读取 txt文件

df_txt = pd.read_table('iris.txt',delimiter=",")
df_txt                                                            

分隔符最好加上，以txt文件为例，如果不加上的话，可能读取的效果是这样的。

2.3 读取excel

df_excel = pd.read_excel('iris.xlsx')          
df_excel                                       
                                               

3. 两种数据结构

3.1 Series 一维数据

s = pd.Series(data=[100,'a',{'dic1':5}],
				index=pd.Index(['id1',20,'third'],name="my_idx"),
				dtype='object',name='my_name')

s

构建过程中，：左侧是索引，右侧是数据。索引和数据都可以是各种类型的数据。

• 属性

s.index

s.values

s.shape

3.2 DataFrame 二维数据

二维数据就是我们常见的表格了。在数据统计中最为常用。

• 构建方式

data = [[1, 'a', 1.2], [2, 'b', 2.2], [3, 'c', 3.2]]
df = pd.DataFrame(data = data,
                  index = ['row_%d'%i for i in range(3)],
                  columns=['col_0', 'col_1', 'col_2'])
df

构建方式：逐列

df = pd.DataFrame(data = {'col_0': [1,2,3],
                          'col_1':list('abc'),
                          'col_2': [1.2, 2.2, 3.2]},
                  index = ['row_%d'%i for i in range(3)])
df

• 属性

其属性和Series类似，自行尝试

4. 常用操作

4.1 汇总

• 前n个值

df_csv.head(5)

• 后n个值

df_csv.tail(3)

• 主要信息

df_csv.info()

4.2 统计

• 主要统计值

df.describe()

4.3 排序

df_demo = df_csv[['Sepal.Length','Sepal.Width']]

df_demo.sort_values('Sepal.Length')

4.4 分组

grouped_df = df_all_objs.groupby(by='obj_cat_name')
grouped_df.groups

可以看到，这种操作得出的是一种字典，结构如上。

待续…