pandas部分函数简单介绍

    在对数据做预处理的时候用到了pandas，整理一些用到的函数，以后查看方便。初次使用给我的感觉就是pandas是用来处理表格数据的一个工具包，尤其是对csv格式的数据。它基于DataFrame和Series两种数据类型。

1.数据读入

假设被读取的文本名为train_labels_100.csv内容如下所示：

filename,width,height,class,xmin,ymin,xmax,ymax
1IMG20180906142057.jpg,1000,1777,cat,225,503,385,658
1IMG20180906142057.jpg,1000,1777,cat,450,420,569,543
1IMG20180906142057.jpg,1000,1777,cat,563,445,681,563
20180906152036.jpg,1000,1333,cat,206,420,326,515
20180906152036.jpg,1000,1333,cat,280,408,390,516
20180906152036.jpg,1000,1333,cat,616,815,686,894
20180906152036.jpg,1000,1333,cat,652,785,693,832
20180906151027.jpg,1000,1333,cat,1088,757,1174,843
20180906151027.jpg,1000,1333,cat,1047,813,1126,892
20180906151027.jpg,1000,1333,cat,1021,911,1065,954
20180906151027.jpg,1000,1333,cat,991,871,1028,907
20180906151027.jpg,1000,1333,cat,949,922,992,964

读文件代码：

import pandas as pd
examples = pd.read_csv(‘train_labels_100.csv’)

其中，examples是DataFrame类型(我管这个叫数据框)，DataFrame是一个二维的，表格型的数据结构，从csv读取的数据都会放在它里面。

2.数据查看

当导入数据完成后，有强迫症的小伙伴总想查看下读入的数据长什么样子，或者对不对。用print(examples)就能查看读入的全部数据，但是当数据量很大的时候在终端中全部显示很难看。可以采用print(examples.head(3))仅查看前三行，如下图所示，head()是按数据原来的顺序获取前几行，同样tail()是按顺序获取最后几行，len(examples)可以获取总行数。

3.行、列访问、筛选记录

在此，我把每一行就做一个记录，有时候我们只需要查看某些行、列，或者对记录进行筛选。当筛选列的时候，采用列表前就可以，如获取height这一列，代码如下：

#获取height列
hg = examples['height']
print(type(hg))
print(hg)

结果如下，hg是Series类型的，这是一种一维的数据类型。

可以采用loc[index]函数对行进行访问，index就是每一行的索引，在最左边。比如访问index=2的那行数据，代码如下：

row = examples.loc[2]
print(row)

结果如下：

代码hg = examples[examples['height']<1777]可以实现筛选，结果如下：

当需要筛选出满足条件的记录时，比如，我们要找出height>1333的所有记录，可以使用如下代码：

row = examples.loc[examples['height']>1333]
print(row)

结果如下：若有多个筛选条件，可以使用&符号，如examples.loc[(examples['height']>1333)&(examples['height']>1333)]

3.分组

groupby 会按照你选择的列对数据集进行分组。代码如下：

#按照filename这个列标签进行分组
gb = examples.groupby("filename")
print('------- gb.size()-------')
#获取每组有多少条记录
print(gb.size())
print('------- gb.get_group()-------')
#查看20180906152036.jpg这一组的记录
print(gb.get_group('20180906152036.jpg'))
print('------- gb.groups.keys()-------')
#获取每组的key（每组的标志）
print(gb.groups.keys())
#获取所有组的信息
print('------- gb.groups-------')
print(gb.groups)

结果如下：

我知识整理了部分函数的功能，其他的函数可以参考下面两个链接：

https://ithelp.ithome.com.tw/articles/10194027
http://codingpy.com/article/a-quick-intro-to-pandas/