pandas几个小函数

1.把列表转化为series，并且命名，和其他列进行拼接：

new_concat=pd.concat([id,Series(train_predict,name='pre')],axis=1)

2 .把已经打乱顺序的id重新进行排序

id = id.reset_index(drop=True)

3，删除重复的行，其他行保留下来

new_concat=new_concat.drop_duplicates(subset='SUBSCR_ID', keep='first', inplace=False)

4.结果评估，输出混淆矩阵，输出准确率，查全率，精确率，f1值

a = metrics.confusion_matrix(test_predict, y_test)
test_f1 = metrics.f1_score(test_predict, y_test)
test_acc = metrics.accuracy_score(test_predict, y_test)
test_rec = metrics.recall_score(test_predict, y_test)
c=metrics.precision_score(test_predict, y_test)
整体结果：
b=metrics.classification_report(test_predict, y_test)

5.dataframe 与 numpy 下的多维数组的转换

从文件读取数据返回 data frame,
参数解释：
header：表头，默认不为空（为 0，也即将第一行视为表头）。如果我们要读取的文件，直接就是数据，没有所谓的表头。就需指定 header=None，否则将以文件的第一行作为 df.columns。指定 header=None，df.columns 返回的是列索引
index_col：认定原始 csv 文件的第几列（从0开始计数）为索引列（也即从1开始编号，表示每一行样本的编号） 
一般会指定 index_col=0，表示第0列为索引列
index_col 指定的列将不会作为 DataFrame 的一列进行返回；

df.values

其他整理好的帖子：
https://www.jianshu.com/p/6eb5499cd07d