pandas内置数据集_Pandas进行数据读取和预处理

注：文章第二部分，pandas进行数据简单处理来自刘顺祥老师公众号：

数据分析1480(微信号：lsxxx2011)

数据框与文件读取部分

数据读取--from MySQL，CSV文件

通过MySQL读取

通过csv文件读取

数据集的描述describe()

不同的describe参数，返回不同的结果

借助pandas进行数据预处理，包括：

1、数据集变量与观测的筛选

2、变量重命名

3、数据类型的变换

4、排序

5、重复观测的删除

6、数据集的抽样

一、数据筛选

导入iris数据

1、pandas 取数两种方法，名称索引和点取法

名称索引和点取法

2、一个变量的观测筛选

查看setosa种类的前10行

3、两个变量的观测筛选

4、两个变量的观测筛选并筛选部分变量

iloc方法

5、变量删除

需要注意的是，该函数默认的axis=0，表示删除行观测，如果需要删除列，就要将asix设置为1。记住，此时虽然删除了两个变量，但iris数据集本身是没有变化的，如果你需要改变iris数据集，需要设置inplace为True。

二、变量重命名,rename + 字典

三、数据类型转化,astype函数 + 字典方法

四、数据集的排序

五、数据去重

duplicated函数，检查数据集是否重复，如果重复返回真

drop_duplicates函数：对数据集的重复观测进行删除， 如果需要制定某些变量的重复性检查，可以往subset参数传递变量

建立数据集

检验数据是否重复，删除重复值

六、抽样

先来看一下sample函数的几个重要参数：

sample(n=None, frac=None, replace=False, weights=None, random_state=None)

n：指定抽样的个数

frac：指定抽样的比例

replace：指定是否有放回的抽样，默认为无放回抽样

weights：指定每个样本被抽中的概率，默认每个样本抽中的概率相等

random_state：指定抽样的随机种子，默认无固定的随机种子，即每次抽样的结果都不一样