2.Python机器学习pandas,numpy,matplot

1,Pandas

pandas中最重要的概念就是dataframe, 可用于矩阵计算

--pd.read_csv() :CSV 文件读入DataFrame

----sep :分隔符

----ignore_index : 序列行

pd.concat([pd.read_csv(fn, sep='\u0001')for fn in latest_lst], ignore_index=True)

--dataframe.to_csv() : DataFrame 写入 CSV 文件

----csv_buffer

with BytesIO() as csv_buffer:

with gzip.GzipFile(mode='wb', fileobj=csv_buffer)as gz_file:

dataframe.to_csv(TextIOWrapper(gz_file, 'utf-8'), **kwargs)

data = csv_buffer.getvalue()

--dataframe.dropna(subset=['RoomType'], inplace=True) ：丢弃空行，inplace，直接改变原dataframe

--bcom_data = bcom_data.query('RoomID != "0"')：筛选符合条件的行

--expe_data = expe_data[['EID', 'Site', 'RoomID', 'RoomType']]：获取原dataframe中特定列，双[ ]

--column_names_bcom = ['BookingID', 'Site', 'RoomID']

--bcom_data.columns = column_names_bcom :重命名列名

--bcom_data = pd.merge(bcom_data, bcom_smoking, how='left', left_on='BookingID', right_on='BookingID') ：dataframe合并

--bcom_data['RoomSmoking'] = bcom_data['RoomSmoking'].apply(utils.transform) ：对每column应用变换，支持lambda表达式

--my_data['CombinedView'] = my_data.apply(lambda row: ViewList(row['View'], row['ViewFromAmenities']), axis=1)

--del bcom_data : 清除变量

--bcom_data.copy() ：复制一个

--关于axis=1和axis=0的问题，如下图：

2, Numpy科学计算库

numpy.genfromtxt() : 从文本文件加载数据，并按指定的方式处理缺少的值

--delimiter: 用于分隔值的字符串。可以是str, int, or sequence。默认为任何连续的空格

--numpy.array: 创建一个向量或矩阵（多维数组) 

   ---np.array([[4, 3, 5], [1, 2, 1]])