pandas的一些知识及函数

读取，输出数据集：

import pandas

myData = pandas.read_csv("E:\Anaconda\Salary_Data.csv")    #myData类型为DataFrame类型

print (myData.dtypes)

print (type(myData))

print (myData)

结果

myData的类型为DataFrame（可以看作是矩阵），读取的数据中有常见的3种类型int , float 和object(String)。

print (salary_Data.head(4) )      #输出salary_Data的前4条数据，默认5条

print (salary_Data.tail(4))        #输出尾部4条

print (salary_Data.columns)     #输出每个feature的名字

print (salary_Data.shape)       #输出数据的行列

结果

---

从数据集提取数据：

按行取：

print (salary_Data.loc[1])       #输出index为1的数据

print (salary_Data.loc[0:3])     #输出index为0到3（包括3）的数据

print (salary_Data.loc[[0,4]])   #输出index为0和4的数据

结果

按列取：

print (salary_Data["Salary"]    #输出特征为Salary列的值

print (salary_Data["Salary"].loc[0:3])     #取出Salary列的index为0到3的值

按要求取：

可以使用salary_Data.columns.tolist()将所有column转换成一个list再使用for循环遍历list挑选出符合条件的数据。

结果

---

---

向已有的数据中加入新的列：

print (salary_Data.shape)

salary2 = salary_Data["Salary"] / 10      #salary2的行数与Salary行数一致

salary_Data["Salary2"] = salary2      #将salary2加入到新建的Salary2列中

print (salary_Data.head(2))

print (salary_Data.shape)

结果

---

获取某列一列的最值：

print salary_Data.head(5)

print salary_Data["Salary"].min()      #获取Salary列中的最小值

结果

---

使用apply()函数调用自定义函数：

titanic数据集

import pandas as pd

titanic = pd.read_csv("E:/Anaconda/MachineLearningData/Titanic/test.csv")

def hundred_row(column):     #自定义的函数用来输出参数的第100行的数据

    hendredth_data = column.loc[99]

    return hendredth_data

hundred_value = titanic.apply(hundred_row)    #使用apply来调用自定义函数

print hundred_value

结果

def class_level(value):

    p_class = value["Pclass"]

    if pd.isnull(p_class):

        return "Unknown"

    elif p_class == 1:

        return "1 LEVEL"

    elif p_class == 2:

        return "2 LEVEL"

    elif p_class == 3:

        return "3 LEVEL"

class_level = titanic.apply(class_level,axis=1)      #axis=0 竖着算（结果显示column），1横着算（结果显示index）

print class_level

结果

---