机器学习初入门02 - Pandas的基本操作

之前的numpy可以说是一个针对矩阵运算的库，这个Pandas可以说是一个实现数据处理的库，Pandas底层的许多函数正是基于numpy实现的

一、Pandas数据读取

1.pandas.read_csv("文件路径")：读取一个csv文件并把数据储存为一个DataFram结构。如feed_info = pandas.read_csv("food_info.csv")

2.pandas中的核心结构叫DataFram，以下简称df，见下图所示

注意在pandas中，字符型值被描述为object类型

3.df.head()：打印出df的数据，如果没有参数，默认打印出前5行数据。也可以把它赋值给一个变量，如a=food_info.head(3)，那么a就是一个小的df

df.tail()：打印后几行

4.df.columns：获取df的列名

5.df.shape：这个就不多说了

二、Pandas索引与计算

6.df.loc[0]：取第一条数据；df.loc[3:4]取第3、4、5、6条数据；

7.df["列名"]：取对应列的数据，取多个列时df[]里接一个列表，列表元素是列名

8.df.columns.tolist()：把列名制作成list。下面给出一个小例子。

9.要想对整列进行加减乘除操作，跟numpy一样直接进行，如：a = df["列名"]/1000；如果两列结构相同，可做一样的操作，对应位会实现相应的运算，如：b = df["col1"]*[df["col2"]

10.新建列的操作：df["新列名"]=new_df，相当于给每个样本添加了一个特征

11.求一列的最大值、最小值、均值：df["col_name"].max()、df["col_name"].min()、df["col_name"].mean()

三、Pandas数据预处理实例

12.df.sort_values("col_name", inplace = True)：把指定列从小到大排序，inplace=True时，用排序好的列替换原来的列，否则返回一个新列，缺省默认时返回新列。

13.df.sort_values("col_name", ascending = False)：从大到小排列

14.df.pivot_table(index="cn1", values="cn2", aggfunc=)：pivot_tables是一个统计数据的方法，以index为基准，统计index与value之间的关系，其中values的数据由aggfunc做处理。比如说index为pclass（货舱等级），values为survived（是否获救），aggfunc为np.mean（平均处理），即统计不同货舱的平均获救率。当aggfunc缺省时默认是求平均。

15.一些其他基本函数和pandas中函数的定义见下面的小例子

三、Series结构

16.DataFrame中的一行或者一列被称为Series结构，是Pandas内部定义的结构。Series里数据的结构是ndarray