pandas部分函式簡單介紹

在對資料做預處理的時候用到了pandas，整理一些用到的函式，以後檢視方便。初次使用給我的感覺就是pandas是用來處理**資料的乙個工具包，尤其是對csv格式的資料。它基於dataframe和series兩種資料型別。

1.資料讀入

假設被讀取的文字名為train_labels_100.csv內容如下所示：

讀檔案**：

import pandas as pd

examples = pd.read_csv(『train_labels_100.csv』)

2.資料檢視

當匯入資料完成後，有強迫症的小夥伴總想檢視下讀入的資料長什麼樣子，或者對不對。用print(examples)就能檢視讀入的全部資料，但是當資料量很大的時候在終端中全部顯示很難看。可以採用print(examples.head(3))僅檢視前三行，如下圖所示，head()是按資料原來的順序獲取前幾行，同樣tail()是按順序獲取最後幾行，len(examples)可以獲取總行數。

3.行、列訪問、篩選記錄

在此，我把每一行就做乙個記錄，有時候我們只需要檢視某些行、列，或者對記錄進行篩選。當篩選列的時候，採用列表前就可以，如獲取height這一列，**如下：

#獲取height列

hg = examples['height']
print(type(hg))
print(hg)

可以採用loc[index]函式對行進行訪問，index就是每一行的索引，在最左邊。比如訪問index=2的那行資料，**如下：

row = examples.loc[2]

print(row)

**hg = examples[examples['height']<1777]可以實現篩選，結果如下：

當需要篩選出滿足條件的記錄時，比如，我們要找出height>1333的所有記錄，可以使用如下**：

row = examples.loc[examples['height']>1333]

print(row)

3.分組

groupby會按照你選擇的列對資料集進行分組。**如下：

#按照filename這個列標籤進行分組

gb = examples.groupby("filename")
print('------- gb.size()-------')
#獲取每組有多少條記錄
print(gb.size())
print('------- gb.get_group()-------')
#檢視20180906152036.jpg這一組的記錄
#獲取每組的key（每組的標誌）
print(gb.groups.keys())
#獲取所有組的資訊
print('------- gb.groups-------')
print(gb.groups)

pandas簡單使用介紹

1.pandas讀取csv檔案,並選擇資料行,資料列,單個及多個資料 csv檔案 c users 10907 documents training days csv檔案操作 test.csv def pandas csv csv path df pd.read csv csv path,sep en...

部分函式介紹（）

void cvcanny const cvarr image,cvarr edges,double threshold1,double threshold2,int aperture size 3 函式功能 函式 cvcanny 採用 canny 演算法發現輸入影象的邊緣而且在輸出影象中標識這些邊緣...

部分函式介紹

numpy的reshape 函式，order c代表橫著讀寫，order f代表豎著讀寫。其中 1代表的是自動計算行數或者列數。鳶尾花資料報括150行4列，分別是花萼長度 寬度 花瓣長度 寬度。train test split 將矩陣隨即劃分為訓練子集和測試子集，並且返回劃分好的訓練集樣本標籤和測試...