机器学习-科学数据库day4

1.pandas常用数据类型

（1）Series 一维，带标签数组

（2）DataFrame 二维，Series容器

2.pandas之Series切片和索引

t 的输出：

 

DataFrame对象既有行索引，又有列索引

行索引，表明不同行，横向索引，叫index，0轴，axis=0

列索引，表名不同列，纵向索引，叫columns，1轴，axis=1

 3    用pandas读取的狗名字统计数据前一百

 

 

 4  pandas之loc

（1）df.loc 通过标签索引行数据

（2）df.iloc 通过位置获取行数据

 

 

 5 缺失数据的处理

对于NaN的数据，在pandas中我们处理起来非常容易

判断数据是否为NaN：pd.isnull(df),pd.notnull(df)

处理方式1：删除NaN所在的行列dropna (axis=0, how='any', inplace=False)

处理方式2：填充数据，t.fillna(t.mean()),t.fiallna(t.median()),t.fillna(0)

处理为0的数据：t[t==0]=np.nan

当然并不是每次为0的数据都需要处理

计算平均值等情况，nan是不参与计算的，但是0会

 6  例题：假设现在我们有一组从2006年到2016年1000部最流行的电影数据，我们想知道这些电影数据中评分的平均分，导演的人数等信息，我们应该怎么获取

 

 例题：对于这一组电影数据，如果我们想runtime的分布情况，应该如何呈现数据？

 

 

 例题：对于这一组电影数据，如果我们希望统计电影分类(genre)的情况，应该如何处理数据

 

 绘出条形图

 7  join:默认情况下他是把行索引相同的数据合并到一起