【机器学习】DataFrame的常用操作

刚入门机器学习时，对 DataFrame 的基本操作不够熟练，导致经常有代码写得过于繁琐，或者不能一次跑通……希望能通过本文，积累一些常用操作的写法，形成肌肉记忆。

增

增加数据或增加列。

• 从字典创建

data = {'Name':['Alice', 'Bob'], 'Score':[80, 95]}
df = pd.DataFrame(data)

• 直接添加列

df['Age'] = [20, 21]

• 使用 assign 链接一列

df = df.assign(City=['Beijing', 'Shanghai'])

• 合并两表

df_new = pd.concat([df1, df2], axis=0)

删

删除行、列或空值。

• 删掉某列

df = df.drop(['Age'], axis=1)

• 删掉某行

df = df.drop(index=x-1)	# 删掉第 x 行

• 删除空值

df = df.dropna() # 删掉任何含有空值的行
df = df.dropna(subset=['Score']) # 只看 Score 列有没有空值

• 删除重复数据

df = df.drop_duplicates()

改

• 修改列名

df = df.rename(columns={'Name': 'Student_Name', 'Score': 'Grade'})

• 修改特定位置数值

# 把名字叫 Alice 的人的分数改为 95
df.loc[df['Name'] == 'Alice', 'Score'] = 95

• 批量修改

df['Score'] = df['Score'].apply(lambda x: x + 5) # 所有人加5分
df['Sex'] = df['Sex'].map({'male': 0, 'female': 1}) # 映射替换

• 类型转换

df['Score'] = df['Score'].astype(float)

查

• loc 与 iloc

df.iloc[0:5, 0:3] # 前5行，前3列

• 条件查询

df[(df['Score'] > 80) & (df['Age'] < 22)]

• 快速查询

df.query("Score > 80 and Name == 'Alice'")

• 基本信息

df.info()     # 看缺失值和类型
df.describe() # 看均值、中位数等