构建神经网络之常用pandas（补充中）

1.serials： ps=pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False) 建议：封装一维数组就行了 2.DataFrame import pandas as pd # 创建 DataFrame data = { 'Name': ['Alice', 'Bob', 'Charlie', 'David'], 'Age': [25, 30, 35, 40], 'City': ['New York', 'Los Angeles', 'Chicago', 'Houston'] } df = pd.DataFrame(data) # 查看前两行数据 print(df.head(2)) # 查看 DataFrame 的基本信息 print(df.info()) # 获取描述统计信息 print(df.describe()) # 按年龄排序 df_sorted = df.sort_values(by='Age', ascending=False) print(df_sorted) # 选择指定列 print(df[['Name', 'Age']]) # 按索引选择行 print(df.iloc[1:3]) # 选择第二到第三行（按位置） # 按标签选择行 print(df.loc[1:2]) # 选择第二到第三行（按标签） # 计算分组统计（按城市分组，计算平均年龄） print(df.groupby('City')['Age'].mean()) # 处理缺失值（填充缺失值） df['Age'] = df['Age'].fillna(30) # 导出为 CSV 文件 df.to_csv('output.csv', index=False) 3 读写文件

1.csv

import pandas as pd df = pd.read_csv('nba.csv') print(df) nme = ["Google", "Runoob", "Taobao", "Wiki"] st = [" .google ", " .runoob ", " .taobao ", " .wikipedia.org"] ag = [90, 40, 80, 98] # 字典 dict = {'name': nme, 'site': st, 'age': ag} df = pd.DataFrame(dict) # 保存 dataframe df.to_csv('site.csv')

2.xlsx

import pandas as pd # 读取 data.xlsx 文件 df = pd.read_excel('runoob_pandas_data.xlsx') # 打印读取的 DataFrame print(df) df = pd.DataFrame({ 'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], 'City': ['New York', 'Los Angeles', 'Chicago'] }) # 将 DataFrame 写入 Excel 文件，写入 'Sheet1' 表单 df.to_excel('output.xlsx', sheet_name='Sheet1', index=False) # 写入多个表单，使用 ExcelWriter with pd.ExcelWriter('output.xlsx') as writer: df.to_excel(writer, sheet_name='Sheet1', index=False) df.to_excel(writer, sheet_name='Sheet2', index=False) import pandas as pd # 使用 ExcelFile 加载 Excel 文件 excel_file = pd.ExcelFile('data.xlsx') # 查看所有表单的名称 print(excel_file.sheet_names) # 读取指定的表单 df = excel_file.parse('Sheet1') print(df) # 关闭文件 excel_file.close() 4.数据清洗 1.处理缺失值：

删除 dropna

1.DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False) axis：默认为 0，表示逢空值剔除整行，如果设置参数 axis＝1 表示逢空值去掉整列。 how：默认为 'any' 如果一行（或一列）里任何一个数据有出现 NA 就去掉整行，如果设置 how='all' 一行（或列）都是 NA 才去掉这整行。 thresh：设置需要多少非空值的数据才可以保留下来的。 subset：设置想要检查的列。如果是多个列，可以使用列名的 list 作为参数。 inplace：如果设置 True，将计算得到的值直接覆盖之前的值并返回 None，修改的是源数据。

2 填充充 fillna().

import pandas as pd df = pd.read_csv('property-data.csv') df.fillna(12345, inplace = True) print(df.to_string()) 2.独热编码

无法处理数据串

df=pd.get_dummies(variable)