目录
1、快速查看dataframe数据信息
2、对dataframe数据进行操作
1、删除指定行或列
2.删除含空值(缺失值)的行或列
3、dataframe数据切片、分组
4、dataframe数据保存为excel文件
一个dataframe数据保存到一个excel文件的一个表中:
多个dataframe数据保存到一个excel文件的不同表中:
5、独热编码:
6、归一化
1、快速查看dataframe数据信息
data = pd.read_excel('temper.xlsx') #读取excel文件数据到data
df = pd.DataFrame(data) #将data中的数据转变成DataFrame数据结构
#注:在进行人工智能机器学习时必须转换成ndarray数据结构
print(data.shape) #查看数据结构
print(data.head()) #查看前5行数据
print(data.tail(3)) #查看后3行数据
print(data.index) #查看行索引名
print(data.columns) #查看列名
df['day'] = df['avg'] #复制一列数据
del df['day'] #删除一列数据
df['day'] = da['day'].shift(-1) #-1表示向将day列数据上移动1格,2表示向下移动2格
2、对dataframe数据进行操作
1、删除指定行或列
DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False)
参数含义:
- labels:要删除的行或列,用列表给出
- axis:默认为0,指要删除的是行,删除列时需指定axis为1
- index :直接指定要删除的行,删除多行可以使用列表作为参数
- columns:直接指定要删除的列,删除多列可以使用列表作为参数
- inplace: 默认为False,该删除操作不改变原数据;inplace = True时,改变原数据
1.2、总结
- 通过参数labels和axis 来指定
- 通过参数index或者columns来指定
原文链接:https://blog.csdn.net/m0_45210226/article/details/108942015
2.删除含空值(缺失值)的行或列
df.dropna() # 删除包含缺失值的行或列
df.fillna(0) # 将缺失值替换为指定的值
df.replace('old_value', 'new_value') # 将指定值替换为新值
df.duplicated() # 检查是否有重复的数据
df.drop_duplicates() # 删除重复的数据
3、dataframe数据切片、分组
#去除空数据之数据切片
new_df = df[0:56]
new_df = df[0:-2]
#使用groupby分组
df_sex = df.groupby('sex') #将性别列中男女分类成两个表格
print(df_sex.head(1)) #打印每组的第一行数据
df_boy = df[df['sex']=='男'] #将sex列中的男生分开出来
4、dataframe数据保存为excel文件
一个dataframe数据保存到一个excel文件的一个表中:
df_boy.to_excel('D:/python/保存的路径/保存的数据.xlsx')
df_boy.to_excel('D:/python/保存的路径/保存的数据.xlsx',index=False) #index为是否保存索引
df_boy.to_excel('D:/python/保存的路径/保存的数据.xlsx',sheet_name='工作表名字') #sheet_name为修改工作表sheet的名称
多个dataframe数据保存到一个excel文件的不同表中:
with pd.ExcelWriter('D:/python/保存的路径/保存的数据.xlsx') as baocundf_boy.to_excel(baocun,sheet_name='第1个表')df_girl.to_excel(baocun,sheet_name='第2个表')
5、独热编码:
将dataframe数据中的字符串数据独热编码为可以使用来进行机器学习的数值
features = pd.get_dummies(features) #直接使用pandas的get_dummies进行独热编码
6、归一化
机器学习时,dataframe数据中每列的数值大小范围不一样(有的数值很小、几十,有的数值很大、几百),为了使数值预测的更准确,所以要进行归一化(即将所有数值都转化成[0,1]或者[-1,1]直间的数)
参考:
https://blog.csdn.net/weixin_43921949/article/details/126822034?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168423147216800227488799%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=168423147216800227488799&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_click~default-2-126822034-null-null.142^v87^insert_down28v1,239^v2^insert_chatgpt&utm_term=%E5%BD%92%E4%B8%80%E5%8C%96&spm=1018.2226.3001.4187https://blog.csdn.net/weixin_43921949/article/details/126822034?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168423147216800227488799%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=168423147216800227488799&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_click~default-2-126822034-null-null.142%5Ev87%5Einsert_down28v1,239%5Ev2%5Einsert_chatgpt&utm_term=%E5%BD%92%E4%B8%80%E5%8C%96&spm=1018.2226.3001.4187