pandas中資料檔案的讀取——read_csv()和read_table()
read_csv() 讀取以『，』分割的檔案到dataframe
read_table()讀取以『/t』分割的檔案到dataframe,其中sep引數設定可以讀取任意分隔符分割的檔案，所以我們常用read_table()函式讀取資料
#以下兩條**語句等價
a=pd.read_table('user_m.csv',sep=',')#讀取csv檔案
b=pd.read_csv('user_m.csv')
#將header與names聯合使用可以修改資料檔案的列名
unames=['第一列的列名','第二列的列名','第三列的列名']
a=pd.read_table('user_m.csv',sep=',',header=none,names=unames)
#header=none表示不讀取原始檔列名，names=unames表示將讀取的資料列名修改為unames
pd.to_csv('movie_idto_title.csv')#檔案儲存位置為程式的當前資料夾，也可以指定檔案路徑#left和right均為dataframe
result = pd.merge(left, right)#採用預設連線會把具有相同列名的，相同行而不同值的資料刪除
dataframe刪除指定行或指定列：pd.drop()函式
pd.drop(['行'])#預設刪除行
pd.drop(['列'],axis=1)#axis=1,刪除列
pd.drop_duplicates(subset=['movie_id'],keep='first',inplace=true)
#subset的預設值為subset=none表示考慮所有列
#keep='first'表示保留第一次出現的重複行，是預設值。keep另外兩個取值為"last"和false，分別表示保留最後一次出現的重複行和去除所有重複行。
#inplace=true表示直接在原來的dataframe上刪除重複項，而預設值false表示生成乙個副本
pd.sort_values(axis=0,by='movie_id',inplace=true,ascending=true)
#axis=1,橫向排序,預設即為縱向排序
#預設axis=0,by="列名"；axis=1，by="行名"
#ascending:true則公升序,預設降序
#inplace:布林型，是否用排序後的資料框替換現有的資料框
pd.value_counts(a.values, sort=false,ascending=true)#統計電影類別詞頻import copy
data1= copy.deepcopy(data)
#iloc主要使用數字來索引資料，而不能使用字元型的標籤來索引資料
#loc則剛好相反，只能使用字元型標籤來索引資料，不能使用數字來索引資料
#ix是混合型索引，數字字元均可以
pd.columns=list(range(1,6041))#傳入的必須是list
pd.index=range(1,1100)#傳入的range型別
pandas中關於nan的處理
在pandas中有個另類的存在就是nan，解釋是 not a number，不是乙個數字，但是它的型別確是乙個float型別。numpy中也存在關於nan的方法，如 np.nan 對於pandas中nan的處理，簡單的說有以下幾個方法。檢視是否是nan，s1.isnull 和 s1.notnull ...
Python中的Pandas模組
目錄 pandas series 序列的建立 序列的讀取 dataframe dataframe的建立 dataframe資料的讀取 panel panel的建立 pandas python data analysis library 是基於numpy 的一種工具，該工具是為了解決資料分析任務而建立...
python 的pandas模組學習
最近程式設計需要用到pandas包，今天就簡單分享一下自己的學習心得。分享的內容主要是pandas資料的調取。比如我們要匯入乙個資料 可以使用以下 匯入資料 在pd.read table函式中間可以設定分隔符，行名字 列名等等。具體的函式大家有興趣可以自己搜尋。匯入資料之後我們要對資料進行行資料提取...