pandas數(shù)據(jù)集的處理示例

這篇文章主要為大家展示了“pandas數(shù)據(jù)集的處理示例”，內(nèi)容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“pandas數(shù)據(jù)集的處理示例”這篇文章吧。

1. 數(shù)據(jù)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：各個列的類型，

• 主體部分是各個列值的情況，比如可判斷是否存在 NaN 值；

對于非數(shù)值型的屬性列

• df[‘some_categorical_columns'].value_counts()：取值分布；

df.describe()： 各個列的基本統(tǒng)計信息

• count

• mean

• std

• min/max

• 25%, 50%, 75%：分位數(shù)

df.hist(bins=50, figsize=(20, 15))：統(tǒng)計直方圖；

對 df 的每一列進(jìn)行展示：

train_prices = pd.DataFrame({'price': train_df.SalePrice, 
    'log(price+1)': np.log1p(train_df.SalePrice)})
 # train_prices 共兩列，一列列名為 price，一列列名為 log(price+1)
train_prices.hist()

2. 數(shù)據(jù)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. 數(shù)據(jù)預(yù)處理

• 一鍵把 categorical 型特征（字符串類型）轉(zhuǎn)化為數(shù)值型：

>> df['label'] = pd.Categorical(df['label']).codes

• 一鍵把 categorical 型特征（字符串類型）轉(zhuǎn)化為 one-hot 編碼：

>> df = pd.get_dummies(df)

• null 值統(tǒng)計與填充：

>> df.isnull().sum().sort_values(ascending=False).head()
# 填充為 mean 值
>> mean_cols = df.mean()
>> df = df.fillna(mean_cols)
>> df.isnull().sum().sum()
0

以上是“pandas數(shù)據(jù)集的處理示例”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！