【额外】kitti之ros可视化_学习笔记--第8课：tracking资料下载及2d侦测框绘制

学习这一部分时，对代码不太理解，主要是队pandas库里面的函数和类不太懂。

pandas主要的函数/类
Pandas 是 Python 中用于数据分析的一个强大库，它提供了丰富的函数和类以便于数据的导入、清洗、处理和可视化。下面是一些 Pandas 常用的函数/类：

Series：一维数组，类似于列表和字典的混合体。

DataFrame：二维表格，可以看成是 Series 的容器。

read_csv()：从 CSV 文件中读取数据并创建 DataFrame。

head() 和 tail()：默认显示 DataFrame 的前五行和后五行。

shape：返回 DataFrame 的行数和列数。

describe()：返回 DataFrame 中每一列的统计信息，如最大值、最小值、均值等。

info()：返回 DataFrame 的基本信息，如列名、非空值数量、数据类型等。

dropna()：删除 DataFrame 中有缺失值的行或列。

fillna()：用指定的值填充 DataFrame 中的缺失值。

groupby()：按照某一列或多列将 DataFrame 分组，并对每个组进行相应的操作。

pivot_table()：根据给定的行和列进行聚合，并返回一个透视表。

merge()：将两个 DataFrame 按照某一列或多列进行合并。

apply()：对 DataFrame 的每一行或每一列应用一个函数。

value_counts()：统计 DataFrame 中某一列中每个值出现的次数。

loc 和 iloc：用于索引和选择 DataFrame 中的数据。
plot()：绘制 DataFrame 中的数据，如折线图、柱状图等。

当创建 DataFrame 实例时，可以使用以下几种常见的方法：

1. 从字典创建 DataFrame：

import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 20]}
df = pd.DataFrame(data)

2. 从 NumPy 数组创建 DataFrame：

import pandas as pd
import numpy as np

data = np.array([['Alice', 25], ['Bob', 30], ['Charlie', 35], ['David', 20]])
df = pd.DataFrame(data, columns=['Name', 'Age'])

3. 从 CSV 文件创建 DataFrame：这次用到了这种

import pandas as pd

df = pd.read_csv('data.csv')

4. 从 Excel 文件创建 DataFrame：

import pandas as pd

df = pd.read_excel('data.xlsx')

5. 从 SQL 数据库创建 DataFrame：

import pandas as pd
import sqlite3

conn = sqlite3.connect('database.db')
query = "SELECT * FROM table_name"
df = pd.read_sql(query, conn)

6. 从 JSON 数据创建 DataFrame：

import pandas as pd
import json

data = '{"Name": ["Alice", "Bob"], "Age": [25, 30]}'
json_data = json.loads(data)
df = pd.DataFrame(json_data)

这些是常见的创建 DataFrame 实例的方法。根据数据的来源和格式不同，可以选择适合的方法来创建 DataFrame 对象。无论使用哪种方法，都可以通过返回的 DataFrame 对象进行后续的数据处理和分析操作。