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;
0. read_csv 与 df.to_csv
df.to_csv na_rep=‘NA’:缺失值替换为NAheader=1/0:是否保存表头;index=1/0:是否保存行的索引;1. 从文件读取数据返回 data frame
<a href=“/datablog/p/6127000.html”, target="_blank">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')
index_col:认定原始 csv 文件的第几列(从0开始计数)为索引列(也即从1开始编号,表示每一行样本的编号)
一般会指定 index_col=0,表示第0列为索引列index_col 指定的列将不会作为 DataFrame 的一列进行返回;
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
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;from pandas import Series, DataFrame
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()
df.values
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 Bln_A0 1 0.456539 0.0000001 2 1.022736 0.6931472 3 -0.158207 1.0986123 4 0.951304 1.3862944 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 B0 21 0.4565391 22 1.0227362 23 -0.1582073 24 0.9513044 25 -1.024661
<a href=“/pandas-docs/stable/generated/pandas.DataFrame.assign.html”, target="_blank">pandas.DataFrame.assign
set_index():将某列设置为索引列;