机器学习时pandas里面常用的函数
1.value_counts()
表示统计不同属性出现的次数。
2.read_csv()读取数据，head()读取数据的前五行
3.info(),查看表格的相应数据信息，看有不有缺失值的情况。
4.describe(),观察常用统计量观察其分布
5、Using the get_dummies will create a new column for every unique string in a certain column:使用get_dummies进行one-hot编码
6.DataFrame(),自己个人的理解就是把数据做成表格的形式。
DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
data : numpy ndarray (structured or homogeneous), dict, or DataFrame
Dict can contain Series, arrays, constants, or list-like objects
index : Index or array-like
Index to use for resulting frame. Will default to np.arange(n) if no indexing information part of input data and no index provided
columns : Index or array-like
Column labels to use for resulting frame. Will default to np.arange(n) if no column labels are provided
dtype : dtype, default None
Data type to force. Only a single dtype is allowed. If None, infer
copy : boolean, default False
Copy data from inputs. Only affects DataFrame / 2d ndarray input
[source]
Constructing DataFrame from a dictionary.
>>> d = {'col1': [1, 2], 'col2': [3, 4]}
>>> df = pd.DataFrame(data=d) 表格存放的内容
>>> df
col1 col2
0 1 3
1 2 4
Notice that the inferred dtype is int64.
>>> df.dtypes
col1 int64
col2 int64
dtype: object
To enforce a single dtype:
>>> df = pd.DataFrame(data=d, dtype=np.int8) dtype就是定义数据的类型
>>> df.dtypes
col1 int8
col2 int8
dtype: object
Constructing DataFrame from numpy ndarray:
>>> df2 = pd.DataFrame(np.random.randint(low=0, high=10, size=(5, 5)),
... columns=['a', 'b', 'c', 'd', 'e']) columns就是加一个表头
>>> df2
a b c d e
0 2 8 8 3 4
1 4 2 9 0 9
2 1 0 7 8 0
3 5 1 7 1 3
4 6 0 2 4 2concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True)
在合并的时候，可能会出现以下的错误
解决的办法：就是给的数据一定是要以列表的形式
8.to_csv()
把处理后的数据保存在csv的文件里面。
9.drop():用于删除数据，并返回删除后的数据
inplace=True是直接对原数据进行操作。False将不改变原来的dataFrame，而将结果生成在一个新的dataFrame中