垃圾小白学机器学习（二）

在（一）里面我学习了机器学习的可视化，其中的pandas里面的几种图形的使用，现在我们继续学习其中Series.map(),Series.apply(),DataFrame.apply()

一，Series.map()
这个函数的功能是：Series中的map()函数可以接受一个函数或含有映射关系的字典型对象，使用map()是一种实现元素级转换以及其他数据清理工作的便捷方式。例如：我的数据里面有’female’,'male’两种属性，想要更加简洁的表示，就可以使用Series.map()方法，把‘female’改成0，把’male’改成1

df['Species'] = df['Species'].map({'Iris-setosa': 'SET','Iris-virginica': 'VIR','Iris-versicolor': 'VER'})
print(df)

二 ，.apply()

用于改变每一列的属性

df['wide petal'] = df['PetalWidthCm'].apply(lambda v: 1 if v >= 1.3 else 0)
print(df)

axis = 1表示对行进行操作，如果是axis = 0表示对列做操作

三，applymap()

用于对于每个数据单元执行一个函数

print(df.applymap(lambda v: np.log(v) if isinstance(v,float) else v))

四，.Groupby()
它的作用是用于对你所选择的类别进行分组

print(df.groupby('Species').mean())

print(df.groupby('Species').describe())

##series.to_frame
将Series转换为DataFrame。

print(df.groupby('PetalWidthCm')['Species'].unique().to_frame)#按照PetalWidthCm分类以后，输出'Species'这列的整行数据，并且除去重复的，在把它转换成dataframe类型

2.自定义聚集函数
DataFrame.agg（func，axis = 0，* args，** kwargs ）

func : 函数，函数名称，函数列表，字典{‘行名/列名’，‘函数名’}

聚类操作的默认是列轴