记录在学习过程中遇到的Pandas操作，也算是对自己的提醒吧~
第一部分的整理使用的数据集是Kaggle上的一个经典题目：
Sentiment Analysis on Movie Reviews
1.基础操作
一般常见的数据格式也就是excel、csv和tsv文件，区别简单了解可见：.tsv .csv格式文件
# 如果数据文件是csv，那么可以直接使用：
df = pd.read_csv('train.csv')
# 注意如果是tsv文件，那么要添加delimiter参数
df = pd.read_csv('train.tsv', delimiter='\t')
返回的对象的类型：
print(type(df))
# 输出
<class 'pandas.core.frame.DataFrame'>
打印数据的表头名称：
print(df.dtypes)
# 输出格式例如，这里object也就是string
PhraseId int64
SentenceId int64
Phrase object
Sentiment int64
dtype: object
关于读取部分数据，有几种方式，首先：
print(df.head()) # 默认打印前5行
print(df.head(3)) # 传入数据表示从头（正向）开始输出数据
print(df.tail()) # tail相反，取的是最后5条数据
print(df.tail(3)) # 也可以传入指定数量 （输出仍然是正序，只是数量从末尾开始）
DataFrame也可以直接打印shape：
print(df.shape)
如果输出指定行：
print(df.loc[3])
这里不要直接这样写:print(df[3])，这样会报 KeyError错误，可以使用切片的方式：
print(df[2:3])
不过，输出的形式还有点区别：
print(df.loc[2]) # 如果是切片，那么就是 df.loc[3:5]类似
print(df[2:3])
输出的数据为：
PhraseId 3
SentenceId 1
Phrase A series
Sentiment 2
Name: 2, dtype: object
PhraseId SentenceId Phrase Sentiment
2 3 1 A series 2
如果要使用某一列的数据：
X_train = df['Phrase']
Y_train = df['Sentiment']
# 使用type函数可以查看返回对象的类型：
<class 'pandas.core.series.Series'>
也可以同时取出多列数据：
columns = ['PhraseId', 'SentenceId'] # 注意多列的时候要使用列表的形式传入
temp = df[columns]
2.如何将DataFrame中的 NaN 转化为指定值
使用函数：
raw_data = raw_data.filln(the value you want)
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/116708.html
