在机器学习中,一般使用pandas进行数据的处理,使用matplotlib或者seaborn
进行数据可视化,两者结合起来处理和分析数据,能让之后的步骤事半功倍。
一、pandas
pandas数据结构
- Series
一种类似于一维数组的对象,由**一组数据(各种numpy数据类型)以及一组与之相关的数据标签(即索引)**组成。在创建时可以显式说明各个数据点的索引,如果没有说明,则默认自动创建0到N-1(N为数据的长度)的整数型索引,并且可以通过索引的方式选取Series中的单个或一组值。也可以通过字典赋值创建。Series在算术运算中会自动对齐不同索引的数据
创建方式
(1)Series:通过一维数组创建
(2)Series:通过字典的方式创建
Series类型包括index和values两部分,相当于DataFrame的任意一列加索引构成,下面是一些基本操作
import pandas as pd
from pandas import Series,DataFrame
data1=Series(['A','B','C','D'])
print (data1)
print (data1.index)#获得索引
print (data1.values)#获得值
print(data1[1])#查找某一个索引值
# print(data1[A])#查找某一个索引值
print (data1[:3]) #自动切片
- DataFrame
可以从任何数据格式创建dataframe,这是一个表格型的数据结构。构建DataFrame最常用的一种是直接传入一个由等长列表或numpy数组组成的字典。可通过columns指定列顺序,如果指定的列名称不存在,则默认为NaN值。
pandas.DataFrame( data, index, columns, dtype, copy)
总结主要用法
# -*- coding: utf-8 -*-
"""pandas.ipynb
Automatically generated by Colaboratory.
Original file is located at
https://colab.research.google.com/drive/1L7F8tse-VTKAbP8eY4Ui9rR0U_myV53y
"""
import urllib.request
import urllib
url = "https://raw.githubusercontent.com/GokuMohandas/practicalAI/master/data/titanic.csv"
response = urllib.request.urlopen(url)
html = response.read()
with open('titanic.csv', 'wb') as f:
f.write(html)
import pandas as pd
df=pd.read_csv('C:\\Users\\Administrator\\Desktop\\titanic.csv')
print (df.head(5)#前五项
,df.describe()
,df.info()
,df['