机器学习之pandas常用函数笔记

1
2
3
4
5
6
import pandas as pd
food_info=pd.read_csv("food_info.csv")
###将数据传入。指定文件名即可。使用相对路径。
print(type(food_info))
###将数据通过pandas传入，pandas的数据结构就是dataframe

1
2
print(food_info)

1
2
3
4
print(food_info.dtypes)
###查看数据的结构
###字符值是object的结构

1
2
3
print(help(pd.read_csv))
##查看帮助文档。当不知道函数如何使用的时候。

1
2
3
4
5
food_info.head()
###使用head()把数据前五行显示，在默认情况下。
food_info.head(3)
###把数据的前3条显示一下。

1
2
3
###打印数据的列名。
print(food_info.columns)

1
2
3
##打印矩阵的维度
print(food_info.shape)

1
2
3
###取数据,例子中将第一个数据拿到手。
print(food_info.loc[0])

1
2
3
###取数据的切片。
food_info.loc[3:6]

1
2
3
4
5
###一列一列的取数据，肢解通过列名取数据。
ndb_col =food_info["NDB_No"]
print(ndb_col)
###这个例子是拿到的NDB_No列的数据。

1
2
3
4
####也可以将列名赋值给变量通过变量来取出列名
col_name = "NDB_No"
print(food_info[col_name])

1
2
3
4
5
6
###d定位两列。
###将这两个列组成list结构。然后将这两个列作为变量传入就可以了。
print(food_info.columns)
columns = [ 'Water_(g)', 'Energ_Kcal']
print(food_info[columns])

1
2
3
4
5
6
7
####查找一某些字符结尾
col_names = food_info.columns.tolist()
###将字符型的数据转换成list型的数据。
print(col_names)
#print(food_info.columns)
###可以比较出两者的区别。

1
2
3
4
5
6
7
8
9
10
11
###查找以某些字符串结尾。
gram_columns = []
for c in col_names:
if c.endswith("(g)"):
gram_columns.append(c)
gram_df = food_info[gram_columns]
print(gram_df.head())
###查看前五行数据
print(gram_df.columns)
###查看里面有的列。

1
2
3
4
5
6
7
####新加一个列，然后将这个列加入到dataframe中
###也就是新加一个特征。
print(food_info.shape)
Iron_g=water_energy/1000
food_info["Iron_(g)"]=Iron_g
print(food_info.shape)

1
2
3
4
###特殊函数的使用，例如max().mean(),min()
max_energ_kcal=food_info["Energ_Kcal"].max()
print(max_energ_kcal)

1
2
3
4
###使用函数进行归一化
normal_fat=food_info["Lipid_Tot_(g)"]/food_info["Lipid_Tot_(g)"].max()
print(normal_fat)