pandas的read_csv 的参数与 DataFrame

对 DataFrame 对象迭代得到的是其各个属性列的列名，自然为 list 类型；

1. 从文件读取数据返回 data frame

pandas.read_csv参数详解

• read_csv，read_excel

  df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/'
                   'breast-cancer-wisconsin/wdbc.data', header=None)
                          # df: data frame
                          # type(df): DataFrame'>
       
       
       
       
  
        
        
        
        
  1
        
        
        
        
  2
        
        
        
        
  3
        
        
        
        
  4
       
       
       
       

• header：表头，默认不为空（为 0，也即将第一行视为表头）。如果我们要读取的文件，直接就是数据，没有所谓的表头。就需指定 header=None，否则将以文件的第一行作为 df.columns。指定 header=None，df.columns 返回的是列索引，如一个三列的数据：

  Int64Index([0, 1, 2], dtype='int64')
       
       
       
       
  
        
        
        
        
  1
       
       
       
       

• parse_datas：指明日期列，为字符串构成的 list；

• thousands : str, default None，千分位分割符，如“，”或者“.”

2. pandas 基本数据结构：Series 与 DataFrame

from pandas import Series, DataFrame

• Series 最重要的一个功能在于：它在算术运算中会自动对齐不同索引的数据；

X, y = df.values[:, 2:], df.values[:, 1]
                # df.values 的类型为 numpy.ndarray
# 也可以
X, y = df.loc[:, 2:].values, df.loc[:, 1].values
   
   
   
   

    
    
    
    
1
    
    
    
    
2
    
    
    
    
3
    
    
    
    
4
   
   
   
   

3. dataframe 与 numpy 下的多维数组的转换

• dataframe ⇒ numpy.ndarray：df.ax_matrix()

4. 基本成员函数

• df.dtypes：会按列给出各个列的数据类型；

• df.columns，获取列名，可直接通过.的形式进行索引；

  比如一个 df.columns 的返回值为：

  Index([u'dt', u'kind', u'value'], dtype='object')
       
       
       
       
  
        
        
        
        
  1
       
       
       
       

  可直接索引的含义在于，使用 df.dt 或者 df.kind 或者 df.value 进行索引，获取某列的全部值（ 注，pandas 的特点，以列进行索引和修改）。同时索引多个列以构成一个新的表格，

  df[['dt', 'value']]            # 这样得到的仍然是 dataframe
       
       
       
       
  
        
        
        
        
  1
       
       
       
       

  支持[]的索引方式，但关键字必须是 list 的形式（['dt', 'value']），而不可以是 tuple

• df.assign()：指定新的列（如果列名已存在，则替换；如果不存在，在添加该列），返回一个新的 DataFrame，不对原始的 DataFrame 进行修改；

  • 当然其也可以接收一个 lambda 型的函数对象，该函数对象接收的参数则是原始的 dataframe；

  
  # 接收 lambda 型函数对象，
  
  >> df = DataFrame({'A':range(1, 6), 'B':np.random.randn(5)})
  >> df.assign(ln_A=lambda x: np.log(x.A))
  
      A         B      ln_A
  0   1  0.456539  0.000000
  1   2  1.022736  0.693147
  2   3 -0.158207  1.098612
  3   4  0.951304  1.386294
  4   5 -1.024661  1.609438
                  # 此时 df 本身并未发生任何改变；
  >> df.assign(A = range(21, 26))
      A         B
  0  21  0.456539
  1  22  1.022736
  2  23 -0.158207
  3  24  0.951304
  4  25 -1.024661
       
       
       
       
  
        
        
        
        
  1
        
        
        
        
  2
        
        
        
        
  3
        
        
        
        
  4
        
        
        
        
  5
        
        
        
        
  6
        
        
        
        
  7
        
        
        
        
  8
        
        
        
        
  9
        
        
        
        
  10
        
        
        
        
  11
        
        
        
        
  12
        
        
        
        
  13
        
        
        
        
  14
        
        
        
        
  15
        
        
        
        
  16
        
        
        
        
  17
        
        
        
        
  18
        
        
        
        
  19
        
        
        
        
  20
       
       
       
       

  pandas.DataFrame.assign

• set_index()：将某列设置为索引列；