【Python 机器学习入门】pandas的使用

比眉伴天荒 2023-03-04 06:49 36阅读 0赞

**一、pandas是什么？**

pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。**pandas提供了大量能使我们快速便捷地处理数据的函数和方法**。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。  
        常用数据结构为series(一维数组)和dataframe(二维数组)，可见矩阵在数据分析当中有着相当重要的地位，学好计算机，矩阵论很值得去看看。

**补充**：NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库

**二、使用步骤**  
       **1.引入库**

import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    import seaborn as sns
    import warnings
    warnings.filterwarnings('ignore')
    import  ssl
    ssl._create_default_https_context = ssl._create_unverified_context

matplotlib.pyplot与seaborn: 作图(记得使用plt.show()，否则不会显示)  
ssl:跳过认证，不然报错（小提示 https和http略微区别,https含有安全监测，安全性更高）

**2.读入数据**

data = pd.read_csv(
        'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
    print(data.head())

该处使用的url网络请求的数据，，另外还可以使用excel,sql等数据类型，详情见[官网][Link 1]  
       **3.分析数据**

常用方法：  
       1. describe():列出mean,min,count等数值特征值  
        2. head():前五行数据  
        3. columns:列出列的属性（数据庞大一般只显示前面和后面几列）

\[‘列名’\]进行选取某一列，，\[() & ()\] 进行条件筛选，代码如下

print(data[(data['sex'] == 'Female') &
               (data['salary'] == '<=50K')].describe())

制图  
sns.countplot

df.pivot_table(['Total day calls', 'Total eve calls', 'Total night calls'],
                   ['Area code'], aggfunc='mean')

效果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NjU0OTc0_size_16_color_FFFFFF_t_70]  
完整代码

import numpy as np
    import pandas as pd
    import ssl
    # 忽略警告
    import warnings
    # 加载模块，配置绘图
    import matplotlib.pyplot as plt
    import seaborn as sns
    
    warnings.filterwarnings('ignore')
    ssl._create_default_https_context = ssl._create_unverified_context
    
    # read_csv(url):读取数据
    data = pd.read_csv('https://labfile.oss.aliyuncs.com/courses/1283/telecom_churn.csv')
    
    # 1.获取相关信息（整体性方面的）
    # 特征值 显示矩阵的行列（术语：维度、特征名称和特征类型）
    print("特征值：", data.shape)
    # 所有信息 (思考方法的调用，需要括号？？)
    print("info1:", data.info())
    print("info2:", data.info)
    print("data:", data)
    # 数值特征（int64 和 float64）的基本统计学特性，
    # 如未缺失值的数值、均值、标准差、范围、四分位数等
    # include筛查类型
    print("describe :", data.describe())
    print("describe2 :", data.describe(include=['bool']))
    # 均值
    print("均值：", data.mean)
    # 前五行
    print("head：", data.head())
    
    # 2.排序，筛选
    # []进行列筛选
    print("[]的使用", data['Churn'])
    # sort的使用 by=[,,], ascending
    print("sort ", data.sort_values(by=['Churn'], ascending=False))
    # []中进行条件筛选 data[data['Churn'] == 1]
    # df[(df['Churn'] == 0) & (df['International plan'] == 'No')]['Total intl minutes'].max()
    # []进行多条件并列？
    
    # 3.分析展示
    # pivot_table()透视表
    # pd.pivot_table(['Total day calls', 'Total eve calls', 'Total night calls'],
    # ['Area code'], aggfunc='mean')
    
    # 交叉图
    pd.crosstab(data['Churn'], data['Voice mail plan'], normalize=True)
    # 建立直方图
    sns.countplot(x='International plan', hue='Churn', data=data)
    # 显示图（不仅限于plt作图）
    plt.show()

学习来源：[实验楼][Link 2]

很好的一个动手学习的网站，大家可以收藏！！

[Link 1]: https://pandas.pydata.org/pandas-docs/stable/reference/io.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NjU0OTc0_size_16_color_FFFFFF_t_70]: /images/20230208/673184b305734a75a39c2f011028f754.png
[Link 2]: https://www.shiyanlou.com/courses/1283/learning/?id=10758