python关于Pandas的基础知识

pandas中数据文件的读取——read_csv()和read_table()

read_csv() 读取以‘，’分割的文件到DataFrame 
read_table()读取以‘/t’分割的文件到DataFrame,其中sep参数设置可以读取任意分隔符分割的文件，所以我们常用read_table()函数读取数据

#以下两条代码语句等价
A=pd.read_table('User_M.csv',sep=',')#读取csv文件
B=pd.read_csv('User_M.csv')

另外的技巧：使用header与names

#将header与names联合使用可以修改数据文件的列名
unames=['第一列的列名','第二列的列名','第三列的列名']
A=pd.read_table('User_M.csv',sep=',',header=None,names=unames)
#header=None表示不读取源文件列名，names=unames表示将读取的数据列名修改为unames

dataframe数据的写入：将dataframe写入成csv文件

pd.to_csv('Movie_idTo_title.csv')#文件存储位置为程序的当前文件夹，也可以指定文件路径

dataframe的连接：使用pd.merge()函数

#left和right均为dataframe
result = pd.merge(left, right)#采用默认连接会把具有相同列名的，相同行而不同值的数据删除

pd.merge()的具体用法见：https://blog.csdn.net/quincuntial/article/details/70990990

dataframe删除指定行或指定列：pd.drop()函数

pd.drop(['行'])#默认删除行
pd.drop(['列'],axis=1)#axis=1,删除列

 dataframe删除重复的行或列：pd.drop_duplicates()函数

pd.drop_duplicates(subset=['movie_id'],keep='first',inplace=True)
#subset的默认值为subset=None表示考虑所有列
#keep='first'表示保留第一次出现的重复行，是默认值。keep另外两个取值为"last"和False，分别表示保留最后一次出现的重复行和去除所有重复行。
#inplace=True表示直接在原来的DataFrame上删除重复项，而默认值False表示生成一个副本

dataframe对指定列或指定行进行排序：pd.sort_values()

pd.sort_values(axis=0,by='movie_id',inplace=True,ascending=True)
#axis=1,横向排序,默认即为纵向排序    
#默认axis=0,by="列名"；axis=1，by="行名"  
#ascending:True则升序,默认降序 
#inplace:布尔型，是否用排序后的数据框替换现有的数据框  

dataframe对指定列或行统计词频:pd.value_counts()函数

pd.value_counts(a.values, sort=False,ascending=True)#统计电影类别词频

dataframe的完全复制，而不是引用原来的dataframe：copy.deepcopy()函数

import copy
data1= copy.deepcopy(data)

dataframe中的ix、iloc、loc区别：

#iloc主要使用数字来索引数据，而不能使用字符型的标签来索引数据
#loc则刚好相反，只能使用字符型标签来索引数据，不能使用数字来索引数据
#ix是混合型索引，数字字符均可以

dataframe中的columns和index

pd.columns=list(range(1,6041))#传入的必须是list
pd.index=range(1,1100)#传入的range类型