概述
numpy
给了python列表矩阵运算的功能,pandas
则是在此基础上添加了字典的功能,即给数据增加了键 ,通过import pandas as pd
导入使用,一维对象的创建使用sr=pd.Series()
实现,函数内可以使用字典或值和键的列表创建,键缺省时默认为递增数组,该对象有values
和index
两个属性,可通过对象方法直接调用,简单示例展示如下:
二维对象可使用多个一维的Series
拼接,本质是列的组合 ,二者index
不一致时会取交集,可能造成数据丢失,多个一维对象通过df=pd.DataFram({标签:Series})
进行组合,也可以使用df=pd.DataFram(值,行标签,列标签)
,该对象有三个属性values
、index
和columns,生成简单示例展示如下:
标签并不完全照搬字典的机制,最关键的就是不要求键唯一,标签中允许出现相同键 ,故可以使用index.unique
判断是否有重复键,该二维矩阵在深度学习中,行为数据,列为特征。
对象索引
由上面的概述知识,我们可以人为规定的元素的键,这称为显式索引 ,同时也有计算机自己使用的,单纯为递增数值的隐式索引 ,分别用索引器loc
和iloc
表示,我们访问元素时可以指定索引类型,再使用[键]
的方式访问。
在标签中同样支持花式索引,和切片操作,区别是显式索引[起点:终点]
切片时包含终点,而隐式不包含,二维数组中的索引器不可省,简单示例如下:
对象变形
转置df.T
翻转
上下翻转df=df.iloc[ : , : : -1]
左右翻转df=df.iloc[ : , -1, : ]
;
重塑,因为标签的存在,reshape
不再适用,只能提取其特定行组成新向量;
拼接,pd.concat(df1,df2,axis)
,其中axis
指定为行或是列,行添加为增加数据个体,列添加为增加特征,一维二维合并只需使用df[键]=src
将一维数据赋值给二维即可。
对象运算
与numpy
类似,加减乘除都是逐元素运算,也可使用聚合函数np.sum()
等。
对象与对象之间维度不同仍可运算,但不同的纬度值会直接缺失。
对象缺失值
df.isnull()
发现缺失值,返回bool
类型的数组
df.dropna(axis,how="方法")
剔除缺失值的数据,默认axis=0
删除行数据,也推荐该方式,因为训练中样本多而特征少,错误数据剔除样本即可,此外还可以使用how
参数对剔除标准进行设置,比如设置为all
表示数据全缺失才剔除,也可以输入其他个数。
df.fillna(参数)
填充数据,可设置为0
,或使用聚合函数np.mean()
使用平均值填充,或method="ffill"或"bfill"
使用前后数据填充。
Excel导入
以下图简单数据作为示例:
使用df=pd.read.csv(路径,index_col=0)
读取表格文件到pandas
,数据太多时可用df.head()
展示前五行信息,np
中的聚合函数在pd
中均改为方法,即通过对象直接调用sum
等方法,分析结果可用describe
聚合查看,简单示例如下:
百分数分别表示该位置的数,如50%代表中位数的值。
数据透视
本文的示例只用于学习语法使用,实际的数据可能数量很大,整体查看很难获得有用信息,此时可以使用函数pivot_table(目的结果,index/colums=因子)
查看因子如何影响结果,更新展示数据为
更接近实际问题,透视示例展示如下:
该方法中隐含参数aggfunc
默认为mean
求平均,也可使用其他聚合函数sum
、max
等。
该示例数据量很小,数据集中可能增大时年龄分布可能很广,每个年龄都单独统计看着让人眼花,所以需要进行分割计算,可以用age=pd.cut(df[标签],[分割点])
再进行数据穿透,也可以使用pd.qcut(df[标签],n)
自动将数据分成n份,简单示例如下:
age=pd.cut(df["年龄"],[0,21,23])
df.pivot_table("工资",index=age,columns="学历")
总结
本节学习了深度学习pandas
库的使用,包括创建标签,访问和增加数据,比较关键的是在excel
中的导入和使用,该库基于numpy
实现,大部分方法可以直接使用,至此我们完成了深度学习数据操作的内容,下一步需要学习的就是网络的相关知识,包括如何搭建和调整参数。