Pandas数据预处理详解

更多内容可以关注我的Github主页：https://github.com/forestfangsenlin

目录

 

1.Pandas.read_csv()

2.Pandas.DataFrame.head()

3.Pandas.DataFrame.drop()

4.Pandas.DataFrame.loc()

---

1.Pandas.read_csv()

定义：

读取数据路径中的数据，返回.pd格式的数据类型。

具体用法：

pd.read_csv(DATA_PATH)

范例：

TEST\_PATH = "../test.csv"          # 省略号前为绝对路径。
test_data = pd.read_csv(TEST\_PATH)

2.Pandas.DataFrame.head()

定义：

show阵列前5行数据。

具体用法：

data.head()

范例：

比如我要查看test_data的前5行数据：

test_data.head()

输出为：

3.Pandas.DataFrame.drop()

定义：

去除某一行或者某一列的数据。

具体用法：

data.drop(columns=[‘columns_label’], rows=[‘rows_label’], inplace=True)

columns和rows可只写其中之一。

范例：

假如我要去除time列的数据：

test_data.drop(columns=['time'], inplace=True)

输出为：

4.Pandas.DataFrame.loc()

定义：

通过labels获取list或布尔阵列中的一组行或列。

具体用法：

data.loc[‘Column_label’, ‘Row_label’]

或

data.loc[‘Column_label_start : Column_label_end’, ‘Row_label_start : Row_label_end’]

可以只写Column的label而空着Row的label。

其方式类似于numpy矩阵x，y坐标定位方式，当我要找到nums矩阵（x1,y1）坐标上的值，只用输入nums[x1, y1]就可；而data.loc定的是pandas上的位，我要找到list或布尔上（label1, label2）的值，使用data.loc[‘label1’, ‘label2‘]即可。

例程：

假如如下数据中：

df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
     index=['猪', '猫', '鸟'],
     columns=['最大速度', '隐藏能力'])

如果我想索引猫那一行：

	最快速度	隐藏能力
猪	1	2
猫	4	5
鸟	7	8

我只需要：

df.loc['猫']

输出为：

最大速度    4
隐藏能力    5
Name: 猫, dtype: int64

如果我想找到猫和鸟的那一行：

	最快速度	隐藏能力
猪	1	2
猫	4	5
鸟	7	8

我只需要多加一个括号：

df.loc[['猫', '鸟']]

输出为：

        最大速度  隐藏能力
猫         4       5
鸟         7       8

如果我只想找到鸟的最快速度：

	最快速度	隐藏能力
猪	1	2
猫	4	5
鸟	7	8

我只需要：

df.loc['鸟', '最快速度']

输出为：

最大速度    8
Name: 最大速度, dtype: int64

我们也可以找大于某个值的列或行，例如找隐藏能力大于6的行：

df.loc[df['隐藏能力'] > 6]

输出为：

        最大速度  隐藏能力
鸟         7       8

或者我们也可以找隐藏能力大于6的，其最大速度的那一个或一列值：

df.loc[df['隐藏能力'] > 6, ['最大速度']]

输出为：

        最大速度  
鸟         7