pandas导入及数据结构用法(pandas数据集的端到端处理)
类别:脚本大全 浏览量:1104
时间:2022-01-27 01:26:02 pandas导入及数据结构用法
pandas数据集的端到端处理1. 数据集基本信息
df = pd.read_csv()
df.head():前五行;
df.info():
- rangeindex:行索引;
- data columns:列索引;
- dtypes:各个列的类型,
- 主体部分是各个列值的情况,比如可判断是否存在 NaN 值;
对于非数值型的属性列
- df[‘some_categorical_columns'].value_counts():取值分布;
df.describe(): 各个列的基本统计信息
- count
- mean
- std
- min/max
- 25%, 50%, 75%:分位数
df.hist(bins=50, figsize=(20, 15)):统计直方图;
对 df 的每一列进行展示:
|
train_prices = pd.DataFrame({ 'price' : train_df.SalePrice, 'log(price+1)' : np.log1p(train_df.SalePrice)}) # train_prices 共两列,一列列名为 price,一列列名为 log(price+1) train_prices.hist() |
2. 数据集拆分
|
def split_train_test(data, test_ratio = . 3 ): shuffled_indices = np.random.permutation( len (data)) test_size = int ( len (data) * test_ratio) test_indices = shuffled_indices[:test_size] train_indices = shuffled_indices[test_size:] return data.iloc[train_indices], data.iloc[test_indices] |
3. 数据预处理
- 一键把 categorical 型特征(字符串类型)转化为数值型:
|
>> df[ 'label' ] = pd.Categorical(df[ 'label' ]).codes |
- 一键把 categorical 型特征(字符串类型)转化为 one-hot 编码:
|
>> df = pd.get_dummies(df) |
- null 值统计与填充:
|
>> df.isnull(). sum ().sort_values(ascending = False ).head() # 填充为 mean 值 >> mean_cols = df.mean() >> df = df.fillna(mean_cols) >> df.isnull(). sum (). sum () 0 |
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对开心学习网的支持。如果你想了解更多相关内容请查看下面相关链接
原文链接:https://blog.csdn.net/lanchunhui/article/details/80100555
您可能感兴趣
- laravel 队列导入数据(laravel框架查询数据集转为数组的两种方法)
- pandas导入及数据结构用法(pandas数据集的端到端处理)
- python读取数据集的图片(浅析Python 读取图像文件的性能对比)
- pandas数据分组后的处理(详解pandas如何去掉、过滤数据集中的某些值或者某些行?)
- SQLserver中cube:多维数据集实例详解(SQLserver中cube:多维数据集实例详解)
- 新闻周刊 青岛网红 赵厂长 编段子一箩筐输出快乐,陪父亲十二载勇斗病魔(新闻周刊青岛网红)
- 44岁夏雨演谋女郎爸,大其24岁却看不出,互动不怕袁泉吃醋(44岁夏雨演谋女郎爸)
- 全椒人,你还记得吗 那年,那人,那网,那些我们的青春记忆(全椒人你还记得吗)
- 全椒人在苏州10周年联谊会在苏州举办(全椒人在苏州10周年联谊会在苏州举办)
- 这个全椒人被通报表彰,看看你认识吗(这个全椒人被通报表彰)
- 全椒人,38年集体回忆 1980-2018 ,看完不要哭(全椒人38年集体回忆)