pandas归一化某一列_十分钟带你了解pandas常用方法

pandas常用知识

一、读取csv文件为dataframe

二、dataframe的数据概况

三、取列数据

四、取行数据

五、取某一单元格数据

六、缺失值处理

七、归一化处理

八、排序

九、索引重新编号

十、求均值

十一、矢量化操作(批量操作)

十二、透视表

一、读取csv文件为dataframe

pandas很好的一点是，可以操作表文件。输出为dataframe格式，这点很nice。

使用pandas.read_csv()读取csv文件，输出为dataframe格式数据。

这里数据tran.csv数据集下载自kaggle网站。

import pandas as pd

filepath = r'/Users/suosuo/Desktop/titanic/train.csv'

df = pd.read_csv(filepath)

#为了方便，我只显示三行，其实结果并不是这样子

print(df)

输出结果

PassengerId Survived Pclass \

0 1 0 3

1 2 1 1

2 3 1 3

Name Sex Age SibSp \

0 Braund, Mr. Owen Harris male 22.0 1

1 Cumings, Mrs. John Bradley (Florence Briggs Th... female 38.0 1

2 Heikkinen, Miss. Laina female 26.0 0

Parch Ticket Fare Cabin Embarked

0 0 A/5 21171 7.2500 NaN S

1 0 PC 17599 71.2833 C85 C

2 0 STON/O2. 3101282 7.9250 NaN S

检查数据类型

检测下数据格式是否为DataFrame

print(type(df))

运行结果

二、 DataFrame数据概况

我们想知道数据如下知识： 1. 展示dataframe前后几条记录 2. 显示dataframe的列名字 3. 查看dataframe的维度情况(几行几列)

2.1展示dataframe前后几行

#展示前两条记录(根据需要显示条数)

df.head(2)

运行结果

PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked

0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S

1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th... female 38.0 1 0 PC 17599 71.2833 C85 C

#展示后三条记录

df.tail(3)

运行结果

PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked

888 889 0 3 Johnston, Miss. Catherine Helen "Carrie" female NaN 1 2 W./C. 6607 23.45 NaN S

889 890 1 1 Behr, Mr. Karl Howell male 26.0 0 0 111369 30.00 C148 C

890 891 0 3 Dooley, Mr. Patrick male 32.0 0 0 370376 7.75 NaN Q

2.2展示dataframe列名

#展示列名

col_names = df.columns

col_names

运行结果

Index(['PassengerId', 'Survived', 'Pclass', 'Name', 'Sex', 'Age', 'SibSp',

'Parch', 'Ticket', 'Fare', 'Cabin', 'Embarked'],

dtype='object')

#查看下col_namesgeshi

type(col_names)

运行结果

pandas.indexes.base.Index

#将col_names转化为list

col_list =