未来几个特征锦囊的内容会使用泰坦尼克号的数据集,大家可以在下面的链接去下载数据哈。
Titanic数据集下载:
https://www.kaggle.com/c/titanic/data
这里我们使用loc
函数,这个方式实在是太好用了!
首先我们先理解一下这个loc
应该怎么用吧,然后再举几个实战例子来理解一下。
我们要知道loc函数的意思就是通过行标签索引行数据,最直接的就是看看文档,引用文档里的数据集:
df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],index=['cobra', 'viper', 'sidewinder'],columns=['max_speed', 'shield'])
df
下面的小例子就是从文档里拿过来的,很全面的示例了一些应用操作。
那么通过上面的学习,你大概也知道了loc
的简单用法了,下面就介绍下在特征工程里我们清洗某些数据时候,可以通过这函数来修改变量值,从而达到我们的某些目的。
下面我们还是用泰坦尼号的数据集:
# 导入相关库
import pandas as pd
import numpy as np
from pandas import Series,DataFrame
# 导入泰坦尼的数据集
data_train = pd.read_csv("./data/titanic/Train.csv")
data_train['Age'].value_counts().sort_index()
我们可以看出有些年龄有小于1岁的,比如0.42、0.67之类的,我们这里就使用一下loc
来把这些小于1岁的修改为1岁吧,如果没有意外,应该岁数为1的统计数会变为14个。
data_train.loc[(data_train.Age<=1),'Age'] = 1
data_train['Age'].value_counts().sort_index()
今天的知识还有什么疑问的地方吗?欢迎留言咨询哦!