【pandas库】常用函数总结

• pandas官方文档：https://pandas.pydata.org/pandas-docs/stable/index.html

1、pd.read_csv()

• pd.read_csv()是用于读取 CSV（Comma Separated Values，逗号分隔值）文件并将其转换为 DataFrame 对象。
• CSV 是一种常见的数据存储格式，其中数据以纯文本形式存储，每行表示一条记录，每个字段之间用逗号（或其他分隔符）分隔。
• 简单使用：

pd.read_csv(file_path, sep)
1) file_path: 文件路径
2) sep: csv文件的分隔符，默认为逗号

• 更复杂的使用方法：详见https://blog.csdn.net/weixin_47139649/article/details/126744842

read_csv(
	reader: FilePathOrBuffer, *, 
	sep: str = ..., 
	delimiter: str | None = ..., 
	header: int | Sequence[int] | str = ..., 
	names: Sequence[str] | None = ..., 
	index_col: int | str | Sequence | Literal[False] | None = ..., 
	usecols: int | str | Sequence | None = ..., 
	squeeze: bool = ..., 
	prefix: str | None = ..., 
	mangle_dupe_cols: bool = ..., 
	dtype: str | Mapping[str, Any] | None = ..., 
	engine: str | None = ..., 
	converters: Mapping[int | str, (*args, **kwargs) -> Any] | None = ..., 
	true_values: Sequence[Scalar] | None = ..., 
	false_values: Sequence[Scalar] | None = ..., 
	skipinitialspace: bool = ..., 
	skiprows: Sequence | int | (*args, **kwargs) -> Any | None = ..., 
	skipfooter: int = ..., nrows: int | None = ..., na_values=..., 
	keep_default_na: bool = ..., na_filter: bool = ..., 
	verbose: bool = ..., skip_blank_lines: bool = ..., 
	parse_dates: bool | List[int] | List[str] = ..., 
	infer_datetime_format: bool = ..., 
	keep_date_col: bool = ..., 
	date_parser: (*args, **kwargs) -> Any | None = ..., 
	dayfirst: bool = ..., cache_dates: bool = ..., 
	iterator: Literal[True], 
	chunksize: int | None = ..., 
	compression: str | None = ..., 
	thousands: str | None = ..., 
	decimal: str | None = ..., 
	lineterminator: str | None = ..., 
	quotechar: str = ..., 
	quoting: int = ..., 
	doublequote: bool = ..., 
	escapechar: str | None = ..., 
	comment: str | None = ..., 
	encoding: str | None = ..., 
	dialect: str | None = ..., 
	error_bad_lines: bool = ..., 
	warn_bad_lines: bool = ..., 
	delim_whitespace: bool = ..., 
	low_memory: bool = ..., 
	memory_map: bool = ..., 
	float_precision: str | None = ...)

2、Dataframe.drop()

• 用于删除 DataFrame 或 Series 中的指定行、列或元素。

DataFrame.drop(labels=None, *, axis=0, index=None, columns=None, level=None, inplace=False, errors=‘raise’)
1) labels: 指定要删除的列名或者行索引，可以是单个值(int/str)或者list
2) axis: 指定删除方向(行或列)，0 或 ‘index’ ： 删除行；1 or ‘columns’： 删除列
3) index: 用于指定要删除的行索引(index=labels 等效于 labels, axis=0)
4) columns: 用于指定要删除的列名(columns=labels 等效于 labels, axis=1)
5) inplace: bool类型，True表示原地修改，False表示返回一个新的DataFrame，默认为False

• 例如：

import pandas as pd

# 创建一个简单的 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 删除列 'A'
df_dropped = df.drop('A', axis=1)
# 这与下面的用法是等效的
df_dropped_equiv = df.drop(columns='A')

# 删除索引为 1 的行
df_dropped_row = df.drop(1, axis=0)
# 这与下面的用法是等效的
df_dropped_row_equiv = df.drop(index=1)

3、pd.get_dummies()

• pd.get_dummies()是将类别变量转换为one-hot变量，进行one-hot编码，一般用于数据的预处理，在推荐系统中将类别变量转换为one-hot变量后，可继续进行embedding

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False)[source]
1) data: 待转换的类别变量，可以是Series, or DataFrame
2) prefix: str类型，是生成的新列的前缀，可见如下例子

• 例如：

import pandas as pd

data = pd.DataFrame({
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
    'C': np.random.randn(8),
    'D': np.random.randn(8)
})

dummy_data = pd.get_dummies(data['A'], prefix='A')
'''
结果 dummy_data 将是：

   A_bar  A_foo
0      0      1
1      1      0
2      0      1
3      1      0
4      0      1
5      1      0
6      0      1
7      0      1
'''