闲鱼上面给人做网站造退款,pc网站开发,国内十大网站建设公司,如何打开网站根目录使用机器学习处理数据的第一步就得先理解它#xff0c;咱们现在就帮助它们一起理解起来。
#xff08;本篇文章这次换一套数据集#xff0c;数据文件可以在文章头部下载#xff0c;并保存至您的虚拟环境的目录中#xff09;
不知道如何搭建环境的小伙伴请看我机器学习笔…使用机器学习处理数据的第一步就得先理解它咱们现在就帮助它们一起理解起来。
本篇文章这次换一套数据集数据文件可以在文章头部下载并保存至您的虚拟环境的目录中
不知道如何搭建环境的小伙伴请看我机器学习笔记里面的入门文章
政安晨的机器学习笔记http://t.csdnimg.cn/lZqlV 概述
往往数据会给我们带来列名、索引名或其他命名约定而我们对此并不满意。在这种情况下你会学习如何使用pandas函数将有问题的条目的名称更改为更好的名称。你还将探索如何将多个DataFrame和/或Series的数据合并在一起。
重命名
我们在这里介绍的第一个函数是rename()它可以让您更改索引名称和/或列名称。例如要将数据集中的points列更改为score我们可以这样做
import pandas as pd
pd.set_option(display.max_rows, 5)
reviews pd.read_csv(./winemag-data-130k-v2.csv, index_col0)
reviews
政安晨的执行 reviews.rename(columns{points: score})
将points重命名为score rename()函数允许通过指定index或column关键字参数来重命名索引或列的值。它支持多种输入格式但一般来说使用Python字典是最方便的。以下是一个使用rename()函数重命名索引元素的示例。
reviews.rename(index{0: firstEntry, 1: secondEntry}) 您可能经常重命名列但很少重命名索引值。为此通常使用set_index()更方便。
行索引和列索引都可以有自己的名称属性。可以使用rename_axis()方法来更改这些名称。
例如
reviews.rename_axis(wines, axisrows).rename_axis(fields, axiscolumns) 组合
在对数据集进行操作时我们有时需要以非平凡的方式组合不同的DataFrame和/或Series。Pandas提供了三种核心方法来实现这一点。按照复杂程度递增的顺序它们是concat()、join()和merge()。大部分merge()能做的事情在join()中也可以更简单地实现因此我们将忽略merge()并集中讨论前两个函数。
最简单的组合方法是concat()。给定一个元素列表这个函数将把这些元素沿着一个轴粘合在一起。
当我们有不同的DataFrame或Series对象但具有相同的字段列时这是非常有用的。
例如某平台视频数据集根据原始国家例如加拿大和英国将数据拆分。如果我们想同时研究多个国家我们可以使用concat()将它们合并在一起。
canadian_xxx pd.read_csv(../input/xxx-new/CAvideos.csv)
british_xxx pd.read_csv(../input/xxx-new/GBvideos.csv)pd.concat([canadian_youtube, british_youtube])
在复杂性方面中最复杂的组合器是join()。join()允许您组合具有共同索引的不同DataFrame对象。例如要获取在加拿大和英国都趋势的视频我们可以执行以下操作
left canadian_xxx.set_index([title, trending_date])
right british_xxx.set_index([title, trending_date])left.join(right, lsuffix_CAN, rsuffix_UK)
在这里lsuffix和rsuffix参数是必需的因为英国和加拿大数据集中具有相同的列名。如果这不是真的例如我们之前已将它们重命名我们就不需要它们。 这里咱们就先不演绎了
