一、数据载入
1.1 载入数据
数据集下载 Titanic - Machine Learning from Disaster | Kaggle
1.2.1导入pandas与numpy包
import numpy as np
import pandas as pd
1.2.2 导入数据
通过绝对路径导入数据集,并且显示前3行。
pd = pd.read_csv('train.csv')
pd.head(3)
1.3 按块读取数据
在Pandas中,可以使用read_csv
函数的chunksize
参数按块读取大型文件。这个参数允许你指定一个块的大小(以行数为单位),然后read_csv
会返回一个可迭代的对象,你可以用循环来遍历每一块数据。比如每1000行为一个数据模块,逐块读取
df=pd.read_csv("train.csv",chunksize=1000)
df.get_chunk()
1.4修改表头
在Pandas中,我们可以使用DataFrame.rename
方法或直接修改DataFrame.columns
属性来修改表头。
使用rename
方法:
import pandas as pd
# 假设df是一个已经存在的DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
# 修改表头,将'A'改为'X', 'B'改为'Y'
df.rename(columns={'A': 'X', 'B': 'Y'}, inplace=True)
直接修改columns
属性:
# 修改表头,将'A'改为'X', 'B'改为'Y'
df.columns = ['X', 'Y']
比如接下来我们将表头改成中文,索引改为乘客ID [对于某些英文资料,我们可以通过翻译来更直观的熟悉我们的数据]
PassengerId => 乘客ID
Survived => 是否幸存
Pclass => 乘客等级(1/2/3等舱位)
Name => 乘客姓名
Sex => 性别
Age => 年龄
SibSp => 堂兄弟/妹个数
Parch => 父母与小孩个数
Ticket => 船票信息
Fare => 票价
Cabin => 客舱
Embarked => 登船港口
df.columns= ['乘客ID','是否幸存','乘客等级(1/2/3等舱位)','乘客姓名','性别','年龄','堂兄弟/妹个数','父母与小孩个数','船票信息','票价','客舱','登船港口']
df