网站设计公司推荐奇点网络,汶上网站建设公司,福州金山网站建设,跑流量的网站1.读取文件
import pandas as pd
df pd.read_csv(路径)
#pd.read_文件格式(路径)
2.读取某列某行#xff0c;并使用map替换
2.1 直接读取某列数据 在获取到df对象后#xff0c;可以使用 df.列名 来获取该列数据#xff0c;
import pandas as pd
df pd.read_csv(rdat…1.读取文件
import pandas as pd
df pd.read_csv(路径)
#pd.read_文件格式(路径)
2.读取某列某行并使用map替换
2.1 直接读取某列数据 在获取到df对象后可以使用 df.列名 来获取该列数据
import pandas as pd
df pd.read_csv(rdata/winequality-red.csv)
print(df.quality)
#print(df.loc[:,quality]) #这是使用loc函数的方式 2.2使用loc函数读取
当然我们可以更加优雅一点使用loc函数来进行行、列、区域的数据的获取。
loc方法是通过行、列的名称或者标签来寻找我们需要的值。
2.2.1读取某行所有数据检索是行数注意这里的行数是行序列号从0开始
#获取第一行的所有数据
print(df.loc[1,:]) 2.2.2读取某列全部数据检索是列名
#获取quality一列的全部数据
print(df.loc[:,quality] ) 2.2.3读取某列的部分行数据注意这里的行数是行序列号从0开始
#获取quality一列的2-5行的数据注意这是一个闭区间
df.loc[2:5,quality] 2.2.4读取某区块的数据
#获取从sulphates到quality列2-5行的数据
print(df.loc[2:5,sulphates:quality]) 2.3使用iloc函数进行读取
iloc方法是通过索引行、列的索引位置[index, columns]来寻找值
具体方法类似loc函数这里简单展示注意此处索引都是从0开始计算
#获取第二行的数据
print(df.iloc[1])
#读取第三列数据
print(df.iloc[:,2])
3.使用map函数使用字典映射列数据 在机器学习中我们往往会需要对csv文件的一些列数据进行独热编码使用pandas自带的map函数来进行替换也是一种比较简单快速的编码方式。注意map函数需要自提供映射字典常用于类别较少的情况
import pandas as pd
df pd.read_csv(rdata/winequality-red.csv)
print(df)
quality_map {3:0,4:1,5:2,6:3,7:4,8:5
}
df.loc[:,quality] df.quality.map(quality_map)
print(df)
函数比较简单df.map(字典对象)效果见下图
