您的位置：首页 > 其它

pandas 学习（一） —— read_csv 的参数与 DataFrame

2016-01-15 08:35 267 查看

对 DataFrame 对象迭代得到的是其各个属性列的列名，自然为 list 类型；

1. 从文件读取数据返回 data frame

pandas.read_csv参数详解

read_csv，read_excel

df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/'
'breast-cancer-wisconsin/wdbc.data', header=None)
# df: data frame
# type(df): <class 'pandas.core.frame.DataFrame'>

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，如一个三列的数据：

Int64Index([0, 1, 2], dtype='int64')

parse_datas：指明日期列，为字符串构成的 list；

thousands : str, default None，千分位分割符，如“，”或者“.”

2. pandas 基本数据结构：Series 与 DataFrame

from pandas import Series, DataFrame

Series 最重要的一个功能在于：它在算术运算中会自动对齐不同索引的数据；

X, y = df.values[:, 2:], df.values[:, 1]
# df.values 的类型为 numpy.ndarray
# 也可以
X, y = df.loc[:, 2:].values, df.loc[:, 1].values

3. dataframe 与 numpy 下的多维数组的转换

dataframe ⇒ numpy.ndarray：

df.ax_matrix()

4. 基本成员函数

df.dtypes：会按列给出各个列的数据类型；

df.columns，获取列名，可直接通过
.
的形式进行索引；

比如一个 df.columns 的返回值为：

Index([u'dt', u'kind', u'value'], dtype='object')

可直接索引的含义在于，使用

df.dt

或者

df.kind

或者

df.value

进行索引，获取某列的全部值（注，pandas 的特点，以列进行索引和修改）。同时索引多个列以构成一个新的表格，

df[['dt', 'value']]            # 这样得到的仍然是 dataframe

支持

[]

的索引方式，但关键字必须是 list 的形式（

['dt', 'value']

），而不可以是 tuple

df.assign()：指定新的列（如果列名已存在，则替换；如果不存在，在添加该列），返回一个新的 DataFrame，不对原始的 DataFrame 进行修改；

当然其也可以接收一个 lambda 型的函数对象，该函数对象接收的参数则是原始的 dataframe；

# 接收 lambda 型函数对象，

>> df = DataFrame({'A':range(1, 6), 'B':np.random.randn(5)})
>> df.assign(ln_A=lambda x: np.log(x.A))

A         B      ln_A
0   1  0.456539  0.000000
1   2  1.022736  0.693147
2   3 -0.158207  1.098612
3   4  0.951304  1.386294
4   5 -1.024661  1.609438
# 此时 df 本身并未发生任何改变；
>> df.assign(A = range(21, 26))
A         B
0  21  0.456539
1  22  1.022736
2  23 -0.158207
3  24  0.951304
4  25 -1.024661

pandas.DataFrame.assign

set_index()：将某列设置为索引列；

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签：

相关文章推荐

新的分享

章节导航