pandas部分函数简单介绍

迈不过友情╰ 2022-05-09 02:46 166阅读 0赞

####     在对数据做预处理的时候用到了pandas，整理一些用到的函数，以后查看方便。初次使用给我的感觉就是pandas是用来处理表格数据的一个工具包，尤其是对csv格式的数据。它基于`DataFrame`和`Series`两种数据类型。 ####

#### 1.数据读入 ####

假设被读取的文本名为`train_labels_100.csv`内容如下所示：

filename,width,height,class,xmin,ymin,xmax,ymax
    1IMG20180906142057.jpg,1000,1777,cat,225,503,385,658
    1IMG20180906142057.jpg,1000,1777,cat,450,420,569,543
    1IMG20180906142057.jpg,1000,1777,cat,563,445,681,563
    20180906152036.jpg,1000,1333,cat,206,420,326,515
    20180906152036.jpg,1000,1333,cat,280,408,390,516
    20180906152036.jpg,1000,1333,cat,616,815,686,894
    20180906152036.jpg,1000,1333,cat,652,785,693,832
    20180906151027.jpg,1000,1333,cat,1088,757,1174,843
    20180906151027.jpg,1000,1333,cat,1047,813,1126,892
    20180906151027.jpg,1000,1333,cat,1021,911,1065,954
    20180906151027.jpg,1000,1333,cat,991,871,1028,907
    20180906151027.jpg,1000,1333,cat,949,922,992,964

读文件代码：

import pandas as pd
    examples = pd.read_csv(‘train_labels_100.csv’)

其中，`examples`是`DataFrame`类型(我管这个叫数据框)，`DataFrame`是一个二维的，表格型的数据结构，从`csv`读取的数据都会放在它里面。

#### 2.数据查看 ####

当导入数据完成后，有强迫症的小伙伴总想查看下读入的数据长什么样子，或者对不对。用`print(examples)`就能查看读入的全部数据，但是当数据量很大的时候在终端中全部显示很难看。可以采用`print(examples.head(3))`仅查看前三行，如下图所示，`head()`是按数据原来的顺序获取前几行，同样`tail()`是按顺序获取最后几行，`len(examples)`可以获取总行数。  
![在这里插入图片描述][70]

#### 3.行、列访问、筛选记录 ####

在此，我把每一行就做一个记录，有时候我们只需要查看某些行、列，或者对记录进行筛选。当筛选列的时候，采用列表前就可以，如获取`height`这一列，代码如下：

#获取height列
    hg = examples['height']
    print(type(hg))
    print(hg)

结果如下，`hg`是`Series`类型的，这是一种一维的数据类型。  
![在这里插入图片描述][70 1]  
可以采用`loc[index]`函数对行进行访问，`index`就是每一行的索引，在最左边。比如访问`index=2`的那行数据，代码如下：

row = examples.loc[2]
    print(row)

结果如下：  
![在这里插入图片描述][70 2]

代码`hg = examples[examples['height']<1777]`可以实现筛选，结果如下：  
![在这里插入图片描述][70 3]  
当需要筛选出满足条件的记录时，比如，我们要找出`height>1333`的所有记录，可以使用如下代码：

row = examples.loc[examples['height']>1333]
    print(row)

结果如下：若有多个筛选条件，可以使用`&`符号，如`examples.loc[(examples['height']>1333)&(examples['height']>1333)]`  
![在这里插入图片描述][70 4]

#### 3.分组 ####

`groupby` 会按照你选择的列对数据集进行分组。代码如下：

#按照filename这个列标签进行分组
    gb = examples.groupby("filename")
    print('------- gb.size()-------')
    #获取每组有多少条记录
    print(gb.size())
    print('------- gb.get_group()-------')
    #查看20180906152036.jpg这一组的记录
    print(gb.get_group('20180906152036.jpg'))
    print('------- gb.groups.keys()-------')
    #获取每组的key（每组的标志）
    print(gb.groups.keys())
    #获取所有组的信息
    print('------- gb.groups-------')
    print(gb.groups)

结果如下：  
![在这里插入图片描述][70 5]

### 我知识整理了部分函数的功能，其他的函数可以参考下面两个链接： ###

[https://ithelp.ithome.com.tw/articles/10194027][https_ithelp.ithome.com.tw_articles_10194027]  
[http://codingpy.com/article/a-quick-intro-to-pandas/][http_codingpy.com_article_a-quick-intro-to-pandas]

[70]: /images/20220509/e3cbf22d3a39477e8021069717a4315c.png
[70 1]: /images/20220509/33e6579b3afb4746b191a13eed3e0e0b.png
[70 2]: /images/20220509/2a0a949a566b48dc806bddb2a80e8d3b.png
[70 3]: /images/20220509/822b9d208dee4791af7d97833f9dd2e2.png
[70 4]: /images/20220509/6907c235aeab41b6907fac1d9546ce4f.png
[70 5]: /images/20220509/9c837663f5744baba6bbba2019f1c1c7.png
[https_ithelp.ithome.com.tw_articles_10194027]: https://ithelp.ithome.com.tw/articles/10194027
[http_codingpy.com_article_a-quick-intro-to-pandas]: http://codingpy.com/article/a-quick-intro-to-pandas/