pandas —— pd.read_csv 与df.to_csv
- 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NA
- header=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=“https://www.cnblogs.com/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
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()
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 tupledf.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
<a href=“http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.assign.html”, target="_blank">pandas.DataFrame.assign
set_index():将某列设置为索引列;
pandas —— pd.read_csv 与df.to_csv相关推荐
- pandas —— pd read csv 与df to csv
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NA he ...
- pandas系列 read_csv 与 to_csv 方法各参数详解(全,中文版)
* 由于在做数据处理,数据分析的时候,免不了读取数据或者将数据转换为相应的处理形式,那么,pandas的read_csv和to_csv,就能给我们很大的帮助,接下来,博主,将 read_csv 和 t ...
- pandas使用read_csv读取数据使用skiprows参数跳过指定的数据行但保留表头、pandas使用to_csv函数将dataframe保存为gzip压缩文件
pandas使用read_csv读取数据使用skiprows参数跳过指定的数据行但保留表头.pandas使用to_csv函数将dataframe保存为gzip压缩文件 目录
- 例子解释,pandas的pd.read_csv函数,quoting = 3是什么意思
问题 pandas的pd.read_csv函数,quoting = 3是什么意思? 新建一个test.txt文件,内容如下: 哈哈 haha "haha" "哈哈&quo ...
- 关于pd.read_csv() 读数据的注意事项
关于pd.read_csv() 读数据的注意事项 实验数据:adult.data 编译环境:pycharm 代码编写:Sublime Text3 ① import pandas as pd#加载数据 ...
- pd.read_csv读取txt时整型变成浮点型问题解决
https://zhuanlan.zhihu.com/p/27440031 pandas中读取csv文件通常使用pd.read_csv()函数,正常情况下给出文件路径即可读取数据,不过在某些特殊情况下 ...
- pandas中read_csv的缺失值处理方式
今天遇到的问题是,要将一份csv数据读入dataframe,但某些列中含有NA值.对于这些列来说,NA应该作为一个有意义的level,而不是缺失值,但read_csv函数会自动将类似的缺失值理解为缺失 ...
- python:pandas之read_csv
导入必要的包 import pandas as pd import numpy as np from pandas.api.types import CategoricalDtype from io ...
- 数据分析与预测(二)——pandas 函数read_csv解析
一. 前言 使用pandas做数据处理的第一步就是读取数据,数据源可以来自于各种地方,csv文件便是其中之一.而读取csv文件,pandas也提供了非常强力的支持,参数有四五十个.这些参数中,有的 ...
最新文章
- CoolPad backdoor CoolReaper
- 转:20分钟教你使用hexo搭建github博客
- 结合swiper使用图片懒加载
- Spring Data JPA简单学习
- 史上最难吃系列,肯德基就不能好好做鸡吗?
- python交互式怎么保存_如何保存Python交互式会话?
- Bugku-Web-速度要快-WriteUp
- [SAP ABAP开发技术总结]以二进制、字符模式下载文件
- ssm框架返回html,ssm框架controller层返回json格式数据到页面
- Xcode - Plugins And Themes
- eclipse汉化包
- c语言程序 随机抽取试卷,试题自动提取系统的设计与实现
- 宽度学习(Broad Learning System)
- 通过doi可以检索到文献_什么是DOI?如何获取文献的DOI?
- pytorch求STFT
- UML培训取得姣好成绩,受到客户好评
- Java mybatis-plus详解
- Java程序员月薪达到三万,需要技术水平达到什么程度?(转)
- java的正确学习姿势
- 【机器学习】鸢尾花分类问题