- Dataframe
- 了解数据类型：
- 数据类型转化：
- 处理重复数据
- 缺失值处理
Dataframe是Pandas中的一种对象类型，类似于二维表格。
- pd.read_csv:参数index_col=0,表示csv文件的第0列作为索引
- Dataframe对象实例的属性（简称df）shape表示实例的形状，返回值是它的行和列；
- 实例的head方法用于显示部分样本，默认是显示前五个
- 读取excel与此方法相同。
- 另外，df.columns=dp.iloc[1] 替换df中列的名称，用第1行的值来代替
df=df[2:]，保留第二行以后的内容
df.drop([11,12],axis=0,inplace=True) ,删除11，12行，并更新df（repalce)
df.reset_index(drop=True,inplace=True)
- df.shape，得到样本和特征
- df.info()，得到每个特征的数据类型，以及特征的类型
- df.dtypes 得到每个特征的数据类型
- df[‘列名’].astype(int/float,errors=‘coerce’)，但是，该方法适合object类型转其他，不适合字符串转浮点数，errors=coerce，表示强制类型转换
- pd.to_numeric(列表）
例子：df[[‘列名’]]
df[列名].astype(int).astype(str)，先转为整数类型，再转为字符串类型
- datatime类型：pd.to_datatime(df[[‘Month’,‘Day’,Year’]])
1.df.duplicated()方法，默认以行为单位检查是否有重复数据，结果返回bool值，bool值对应是true的位置，表示该位置重复
- 参数：subset指明特征；keep=‘last’/‘first’，遇到重复数据的时候保留哪一个；
2.df.drop_duplicates()
参数和duplicated前两个相同
inplace=‘False’/‘True’,是否修改当前数据集
- df.isna()，返回每个值是否是缺失值
- df.dropna(),对缺失数据删除
参数：axis:默认值是0，axis=1，表示删除列
how:默认为any，表示行或列中只要有缺失值，就删除；如果为all，表示都是缺失值时才删除 - df.fillna(0)用0来填充缺失值
参数：method=‘ffill’,用缺失值前面的值来填充，method=‘bfill’，用缺失值后面的值来填充
-补充方法：用特定值来补；用平均值填充（缺失值不参与运算）；评估
公众号：善良的王小宁
编辑：王小宁
本文来源于老齐的《数据准备和特征工程》这本书，把书中的一下常用方法和函数记个笔记。
