189 8069 5689
这篇文章主要为大家展示了“pandas数据集的处理示例”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“pandas数据集的处理示例”这篇文章吧。
1. 数据集基本信息
df = pd.read_csv()
df.head()：前五行；
df.info()：
rangeindex：行索引；
data columns：列索引；
dtypes：各个列的类型，
主体部分是各个列值的情况，比如可判断是否存在 NaN 值；
对于非数值型的属性列
df[‘some_categorical_columns'].value_counts()：取值分布；
df.describe()： 各个列的基本统计信息
count
mean
std
min/max
25%, 50%, 75%：分位数
df.hist(bins=50, figsize=(20, 15))：统计直方图；
对 df 的每一列进行展示：
train_prices = pd.DataFrame({'price': train_df.SalePrice,
'log(price+1)': np.log1p(train_df.SalePrice)})
# train_prices 共两列，一列列名为 price，一列列名为 log(price+1)
train_prices.hist()2. 数据集拆分
def split_train_test(data, test_ratio=.3): shuffled_indices = np.random.permutation(len(data)) test_size = int(len(data)*test_ratio) test_indices = shuffled_indices[:test_size] train_indices = shuffled_indices[test_size:] return data.iloc[train_indices], data.iloc[test_indices]
3. 数据预处理
一键把 categorical 型特征（字符串类型）转化为数值型：
>> df['label'] = pd.Categorical(df['label']).codes
一键把 categorical 型特征（字符串类型）转化为 one-hot 编码：
>> df = pd.get_dummies(df)
null 值统计与填充：
>> df.isnull().sum().sort_values(ascending=False).head() # 填充为 mean 值 >> mean_cols = df.mean() >> df = df.fillna(mean_cols) >> df.isnull().sum().sum() 0
以上是“pandas数据集的处理示例”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联成都网站设计公司行业资讯频道！
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。