可以结合这篇使用:数据处理利器Pandas使用手册
1)读取csv文件
data =pandas.read_csv(‘test.csv’) //返回的是DataFrame变量
first_rows = data.head(n) //返回前n条数据,默认返回5条
cols = data.columns //返回全部列名
dimensison = data.shape //返回数据的格式,数组,(行数,列数)
data.values //返回底层的numpy数据
如下去所示的csv数据:leaf_data
解析1:
import pandas as pd
train_data = pd.read_csv("train.csv")
# 将标签转为0,1,2,3,4,...
# 去掉重复的
species = train_data['species'].unique()
print species
# 转为0,1,2,3,4,...
species = pd.Series(range(0, len(species)), index=list(species))
print species
# 修改标签数据为:0,1,2,3,4,...
def fix_spieces(line):
line['species'] = species.loc[line['species']]
return line
train_data = train_data.apply(fix_spieces, axis=1)
print train_data[0:4]
# 返回numpy数据。
# 下标从0开始。
# 取样本数据,所有行:第二列到最后一列。
train_data.values[0::, 2::]
# 取标签数据,所有行:第一列。
train_data.values[0::, 1]
解析2:
import pandas as pd
import numpy as np
from sklearn.preprocessing import LabelEncoder
from sklearn.preprocessing import StandardScaler
train_data = pd.read_csv("train.csv")
# 将train_data中的‘id’列弹出。
ID = train_data.pop('id')
# print train_data[0:1]
# 将train_data中的‘species’列弹出。
y = train_data.pop('species')
# 将species向量化。
y = LabelEncoder().fit(y).transform(y)
print y
# standardize the data by setting the mean to 0 and std to 1
standardize = True
X = StandardScaler().fit(train_data).transform(train_data) if standardize else train_data.values
print X[0:1]
2)pandas的主要数据类型dtype: object, 字符串类型 int, 整型 float, 浮点型 datetime, 时间类型 bool, 布尔型 print data.dtpyes输出每一列的数据类型 3)索引 4)选择数据 data.loc[1] //返回单列数据 data.loc[1:3] //返回切片列数据,相当于 data.loc[[1,2,3]] data.loc[:,['ID’]] data.loc[:4,['ID','YELP’]] //返回指定行的指定类,从0行到4行,包括第4行 data.iloc[:,:] //返回所有数据 data.iloc[:2,1:3] //返回特定行特定列的数据 data[‘ID’] //返回列 data[2:5] //返回行 data[3:6][:2] data[‘ID’][3:6] data[3:6][‘ID’] data[data.YELP>0] //YELP这列的值不为空,即NaN data[data['ID'].isin(['v4','v5'])] //返回有这个值的列 5)缺失值处理 去掉包含缺失值的行:df.dropna(how=‘any’) 对缺失值进行填充:df.fillna(values=‘NULL’) 对数据进行布尔补充:pandas.isnull(df)
6)数据处理
<class 'pandas.core.series.Series'> 方法 to_string to_json json.loads(df.loc[0:5,['ID','YELP']].to_json())
输出.csv文件。
对应解析1:
output = model.predict_proba(test_data.values[0::, 1::])
out = pd.DataFrame(output, index=test_data.values[0::, 0].astype(np.int), columns = species.index.values)
out.index.name = "id"
out.to_csv("output.csv")
对应解析2:
LABELS = sorted(pd.read_csv('train.csv').species.unique())
ID, test_data = load_test_data()
yPred_proba = model.predict(test_data)
# Converting the test predictions in a dataframe as depicted by sample submission
yPred = pd.DataFrame(yPred_proba,index=ID,columns=LABELS)
print('Creating and writing submission...')
fp = open('submit.csv', 'w')
fp.write(yPred.to_csv())
print('Finished writing submission')
# Display the submission
yPred.tail()