pandas简单应用

机器学习离不开数据，数据分析离不开pandas。昨天感觉了一下，真的方便。按照通常的使用过程，将pandas的经常使用方法说明一下。

首先，咱们拿到一个excel表，咱们将之另存为csv文件。由于文件是实验室的资源，我就不分享了。

首先是文件读取

def load_csv(filename): data=pd.read_csv(filename) data = data.drop(data.columns[39:], axis=1) return data

咱们调用read_csv文件能够直接读取csv文件。其返回值为DataFrame。excel若是横向拖动太多的话，会生成不少空列。这里咱们经过drop方法删掉39列以后的列。

而后pandas为了让显示美观，会在输出信息的时候自动隐藏数据。咱们调整参数，使数据所有显示。

pd.set_option('display.max_rows', 10) pd.set_option('display.max_columns', 500) pd.set_option('display.width', 500)

设置最多显示10行，500列。宽度为500.

使用 data.head()能够查看前4行的数据。

print(data.head())

能够看到所有数据都被显示出来了。而后咱们能够使用data.info() ,data.discribe()、data.count()查看数据的总体信息。

print(data.info()) print(data.describe()) print(data.count())

data.info()显示的是：

                                    

data.describe()显示的是：

                                   

data.count()显示的是：

                                

能够看到数据的值跨度很大，因此咱们对数据进行normalization：

keys=X.keys().tolist() keys.remove("Index") keys.remove("Label") for key in keys: #将数值范围限定在-0.5~0.5
        #normalize_col=(X[key]-(X[key].max()+X[key].min())/2)/(X[key].max()-X[key].min())
        #用mean来normolize
        normalize_col = (X[key] - X[key].mean()) / (X[key].max() - X[key].min()) X = X.drop(key, axis=1) X[key]=normalize_col

咱们能够经过keys中列名来有选择的进行归一化处理。

有时候，有的不和规范的数据咱们想删掉：

#删掉JiGan为-1的人
    data = data[data["JiGan"].isin([-1.0]) == False]

数据筛选还有其余函数，用到了在慢慢补充吧。