sklearn学习——DataFrame与Series

sklearn中文学习文档

1. 如何构建Series与DataFrame

1.1 构造Series

① 通过列表或者元组（因为列表和元组都是一维的），这时候，index是系统默认的，即从0开始。

② 通过字典，这时 候，index为字典的key

③ 通过一维的numpy数组构建

④ 通过DataFrame中的某一列构建

序列和一维数组有极高的相似性。 获取一维数组元素的方法都可以用在序列上，并且数组的数学和统计函数也可以同样应用在序列对象上
若序列是行名称风格，则既可以使用行号索引也可以用标签索引。
如果对序列做数学函数运算，推荐使用numpy，如果对序列做统计运算，则推荐使用pandas库

1.2 构造DataFrame

说明：如果要手工构建数据框，则推荐字典构造

① 通过嵌套的列表或者元组，这时列表或者元组中的每一个元素（也是列表或者元组）是数据框中的每一行观测，行和列的索引都为系统默认。
② 通过二维数组构造，这本质上和①一样
③ 通过字典构造：字典的键构成数据框中的变量名（DataFrame中的列），值构成数据框的每一条观测，所以值必须是列表或者元组的形式。
④ 从外部读取数据构成数据框

2. 常用函数和属性

标注为both的表示DataFrame与Series都适用

2.1 head()函数——(both)

查看前几行

2.2 shape属性——(both)

df：(样本量，特征数)
series：(样本量，)

2.3 iloc[] & loc[]——(both)

（1）iloc切片方法，索引只能是数字
df：iloc[:,:]

series：iloc[index_value]

（2）loc切片方法，索引只能是数字

df：loc[:,:]

series：loc[index_value]

2.4 describe()函数——(both)

描述性统计，包括df或者series的均值、标准差，最小最大值、分位数值

2.5 isnull()函数——(both)

探索缺失值常用

2.6 count()函数——(both)

查看对于某个特征，有多少样本有这个特征值

2.7 index & values属性——(both)

查看索引(index)和索引对应的值(values)

2.8 value_counts()——Series

不仅能查看有特征有多少个取值，还可以查看每个取值对应有对少样本

2.9 columns属性、rename()函数——DataFrame

columns属性获取所有特征的名字，常用来替换全部特征名字时适用

rename函数用来特换某个特征的名字

2.10 sort_values()——DataFrame

通过某列或者几列将整个df排序