目录
drop_duplications()：去除重复id/去除同类项
strip()：去除空格（lstrip()：去左空格；rstrip()：去右空格）
contains()： 判断是否包含尾缀/前缀/数字/...
pandas工具包：把numpy中很多命令整合在了一起。
一、Pandas工具包使用
df：DataFrame (矩阵。行：样本；列：特征)
.head()：可以读取前几条数据,指定前几条都可以（默认前五条）
.tail()：同.head()，可以读取后几条数据。
帮助文档：
二、数据信息读取与展示
.info：返回当前的信息
.index： 索引
.coulums ：列名。每列第一个是列名，后面是数据。
.types：数据类型
.value ：打印列名，结构是数组格式。
创建dataframe结构
- 指定一个字典结构，key：当前列名；value：对应key的值，是list结构。
注：格式对应起来。空值：np.nan
取指定的数据：
series:dataframe中的一行/列
索引我们可以自己指定
未指定前：
指定后：
通过名字定位：
.describe()：可以得到数据的基本统计特性 （只有数值数据计算得到的结果。包括计数、均值、方差等）
三、索引方法
Pandas索引结构
- loc 用label来去定位
可以定位人名、非位置的时候使用loc。传入的是描述。
- iloc 用position来去定位
传入的是值。
bool类型的索引
用ture或这false来取数
定位到ture的值
找到男性：
性别为男性的平均年龄：
四、groupby函数使用方法
eg：找到所有A的data之和
python
groupby
取均值
groupby：统计数据
- 统计数据文件中男女的平均年龄
- 统计数据文件中不同性别获救的可能性
五、数值运算
与numpy中本质上没有区别。
求和
平均数
最大最小值
二元统计
协方差
相关系数（对角阵，对角线是1）
value_counts()： 统计数有多少个
（升序：ascending=true；降序：ascending=false）
bins：划分情况
六、对象操作
Series结构的增删改查（Series：一列数据）
查操作：
改操作（.copy防止改错了）
增操作
删操作
DataFrame结构的增删改查
查操作是类似的
改操作
增操作
删操作
七、merge合并操作
合并：
默认情况下，会把合并两个表中共有的传入。
为了不丢失数据，（how='outer' ：显示所有；how=‘left’：显示左表；how=‘right’：显示右表）
八、pivot数据透视表
显示设置
pandas API文档：pandas.set_option — pandas 1.4.1 documentation
美观展示
精度设置：（默认取6位）
pivot操作
设置一个数据透视表
每一项花费在每个月的平均是多少，使用pivot（index：想统计的指标；columns：想通知指标的属性；values：按着什么方式统计）
求和：
统计不同性别在不同船舱等级上的花费
求最大：
把年龄小于18的赋值给Underaged
九、时间操作
.to_datetime()：转换成时间的标准格式
Series()：构建时间序列：
通过时间指出当前数据：
取月份：
resample：时间重采样
画图操作
十、apply自定义函数
自定义apply()函数
优点：可以自己指定当前对那哪个样本执行什么操作。
统计每一列的缺失值：
统计不同的船舱等级
判断年龄
十一、常规操作
sort_values(): 排序
sort_values(by=‘’) ：按照哪个列进行排序
drop_duplications()：去除重复id/去除同类项
replace：替换操作
cut：自定义取数据（对连续值进行离散化）
cut属性值替换
.isnull()：空值判断
.fillna（）：缺值填充（将所有缺失值填充为5）
定位到缺失值，带有缺失值的样本
十二、字符串操作
lower()：小写转换
upper()：大写转换
len()：计算字符的长度
strip()：去除空格（lstrip()：去左空格；rstrip()：去右空格）
replace()：替换/字符数据的预处理
split()：切分
contains()： 判断是否包含尾缀/前缀/数字/...
get_dummies()： 经常在关联分析时使用
1240
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
