机器学习四剑客3—

pandas是python第三方库，提供高性能易用数据类型和分析工具
pandas基于numpy实现，常与numpy和matplotlib一同使用
pandas中有两大核心数据结构：Series（一维数据）和 DataFrame（多特征数据）

>> 01 Series（一维数据）

Series是一种类似于一维数组的对象，它由一维数组（各种numpy数据类型）以及一组与之相关的数据标签（即索引）组成；
Seriesd的数据结构为“键值对”的形式，“键”可以重复；
Series的创建：①使用Python数组创建 ②使用numpy数组创建 ③使用python字典创建

import pandas as pd
import numpy as np
pds1 = pd.Series([99, 98], index=['xiaoming', 'xiaohong'])
print(pds1)          # 使用Python数组创建pds2 = pd.Series(np.arange(3,6))
print(pds2)          # 使用numpy数组创建pds3 = pd.Series({'name': 'xiaoming', 'age': 21, 'score': 99})
print(pds3)          # 使用python字典创建# 注意：与字典不同的是：Series允许索引重复

Series的字符串表现形式为：索引在左边，值在右边

import pandas as pd
pds = pd.Series([1, 2, 3, 4])
print(pds)

如果没有为数据指定索引，则自动创建一个0到N-1（N为数据的长度）的整数型索引
可以通过Series的values和index属性获取其数组表示形式和索引对象

import pandas as pd
pds = pd.Series([1, 2, 3, 4])
print('values',pds.values)
print('index',pds.index)

与普通numpy数组相比，可以通过索引的方式选取Series中的单个或一组值

import pandas as pd
pds = pd.Series([1, 2, 3, 4])
print(pds[0])           # 读取第一个值
pds[1] = 10             # 更改第二个值
print(pds[[1,2]])

Series中最重要的一个功能是：在算术运算中自动对齐不同索引的数据

import pandas as pd
stu1 = pd.Series({'math': 100, 'physics': 98, 'chemistry': 90})
stu2 = pd.Series({'math': 95, 'physics': 96, 'chemistry': 94})
print(stu1 + stu2)

>> 02 DataFrame（多特征数据）

DataFrame是一个表格型的数据结构，含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）
DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）
跟其他类似的数据结构相比，DataFrame中面向行和面向列的操作基本上是平衡的
DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）

import pandas as pddata = {'name': ['A1', 'A2', 'A3'], 'score': [100, 99, 98]}
fr = pd.DataFrame(data)
print(fr)# 可按照指定的列顺序创建
fr = pd.DataFrame(data, columns=['score', 'name'])
print(fr)

可以给DataFrame创建或修改列的值

import pandas as pddata = {'name': ['A1', 'A2', 'A3'], 'score': [100, 99, 98]}
fr = pd.DataFrame(data)
# 新增某列的值
fr['age'] = [21,22,20]
print(fr)# 修改某一个值
fr.loc[1, 'age'] = 30
print(fr)

values属性会以二维ndarray的形式返回DataFrame中的数据

import pandas as pddata = {'name': ['A1', 'A2', 'A3'], 'score': [100, 99, 98]}
fr = pd.DataFrame(data)
print(fr.values)

机器学习四剑客3——Pandas相关推荐

机器学习四剑客1——Numpy
求业之精,别无他法,日专而已矣! 一.概论 1.机器学习是什么 2.机器学习做什么 3.机器学习基本概念二.机器学习第一步:数据分析 1.Python被大量应用在数据挖掘和深度学习领域: 2.其中使 ...
机器学习四剑客4——PIL
PIL库是一个具有强大图像处理能力的第三方库在命令行下的安装方法:pip install pillow 在使用过程中的引入方法:from PIL import Image Image 是 PIL 库 ...
机器学习四剑客2——Matplotlib
1.什么是Matplotlib 2.Matplotlib的基本要点 3.Matplotlib的散点图.直方图.柱状图 4.更多的画图工具函数说明 plt.plot(x,y,fmt,...) 绘制一 ...
python dataframe 新列_Python第二十四课：Pandas库（四）
Python第二十四课:Pandas库(四)点击上方"蓝字",关注我们. 不知不觉,我们已经跨越了千难万险,从零开始,一步步揭开了Python神秘的面纱.学到至今,回过头,才晓得自 ...
【详解】机器学习库-Matplotlib+Numpy+Pandas
目录机器学习库-Matplotlib+Numpy+Pandas 1 Matplotlib基本使用 1.2 用途 1.3 操作指南 1.4 常见图形绘制 1.5 代码实现 2 Numpy基本使用 2. ...
iPhone开发四剑客之《Objective-C基础教程》
iPhone 开发四剑客之<Objective-C 基础教程> Objective-C 语言是 C 语言的一个扩展集,许多(可能是大多数)具备 Mac OS X 外观的应用程序都是使用该语 ...
创客常用开发板“四剑客”对比，谁最“快”？
小编提到过随着嵌入式平台和框架之间的相互学习和融合,Arduino爱好者的工具箱里的工具也越来越多了,比如时下最流行的支持Arduino IDE开发的"四剑客": Arduino ...
linux四剑客-grep/find/sed/awk/详解-技术流ken
四剑客简介相信接触过linux的大家应该都学过或者听过四剑客,即sed,grep,find,awk,有人对其望而生畏,有人对其爱不释手.参数太多,变化形式太多,使用超级灵活,让一部分人难以适从继而望 ...
四剑客查找字符_linux 四剑客 find 、grep、sed、awk整理
linux 四剑客 find .grep.sed.awk整理 find 主要是用于查找Linux 操作系统的某个文件.目录所在路径,查找出满足条件的文件或者目录的路径 find / -name *.r ...

机器学习四剑客3——Pandas

机器学习四剑客3——Pandas相关推荐

最新文章

热门文章