Pandas学习笔记

Pandas数据分析处理库

数据预处理

导入一份泰坦尼克号乘客数据

df.head()展示读取数据，默认读取前5行
df.tail()默认读取后5行
df.head(10)读取前10行

DataFrame结构

Pandas工具包的基础结构，二维矩阵结构，行表示数据样本，列表示特征指标。基本上读取数据返回的都是DataFrame结构。

DataFrame能调用的属性很多，具体查看API文档。

举例几种：

数据索引

Pandas中bool类型同样可以当作索引：

创建DataFrame

创建一个字典结构，其中key表示特征名字，value表示各个样本的实际值，通过pf.DataFrame()函数来创建。

Series操作

前面的操作对象都是DataFrame，读取的数据都是二维的，

如果在数据中单独取一列，就是Series格式，DataFrame是由Series组合起来得到的。

创建Series:

数据分析

机器学习中比拼的就是数据特征够不够好，将特征中连续值离散化是常用套路。

pivot数据透视表

groupby操作

常用函数操作

Merge操作

如key列值不同

data.drop_duplicates()去掉重复数据
data.drop_duplicates(subset='k1')只考虑某一列重复的情况，其他全部舍弃
数据处理通常会遇到缺失值，通过isnull()函数判断缺失情况，True表示缺失
df.isnull().any()判断某一列是否有缺失