1.csv文件读取
pandas中，常用的载入函数是read_csv。除此之外还有read_excel和read_table，table可以读取txt。
import pandas as pd
file=pd.read_csv("77.csv",encoding='utf-8')#encoding选择编码方式
file
2.提取文件
trname=file['triggername']
trname
3.head展示前几个数据（tail后几个）
一般是前五个，现在是设定的前8个
4.快速浏览数据
有总数，数据类型
file.head(8)
5.文件描述
只展示是数字数据的特征，总数，均值等等
file.describe()#
6.查看独一无二的数据
查看某一列空值：df.isnull()
file['sysEname'].unique()
查看列名称：
file.columns
扫描二维码关注公众号，回复：
11338783 查看本文章
7.数据清洗
drop_duplicates函数通过subset参数选择以哪个列为去重基准。keep参数则是保留方式，first是保留第一个，删除后余重复值，last还是删除前面，保留最后一个。duplicated函数功能类似，但它返回的是布尔值。
原来是1543 每个特征只保留一个，就剩下了9
file.drop_duplicates(subset="triggername",keep='first')
将两个数据拼接在一起
np.hstack([X, X_binned])
查看某个数据总数及类型
data.gender.value_counts()
查看数据的列（行是row）
list(data.columns)
get_dummies 函数自动变换所有具有对象类型（比如字符串）的列或所有分类的列
提取两个特征之间的所有特征
这是提取了age和’occupation_ Transport-moving之间的数据
features = data_dummies.loc[:, 'age':'occupation_ Transport-moving']
转换数据类型
如age是int型，age.astype(str) 转换成了字符型
将数字数据转化为矩阵
# neHotEncoder和ColumnTransformer:使用scikit-learn的分类变量
from sklearn.preprocessing import OneHotEncoder
#将上面的表格转化成矩阵形式
ohe = OneHotEncoder(sparse=False)
print(ohe.fit_transform(demo_df))
将连续数据归一化，其他分类特征热编码处理
scikit-learn在0.20.0版本中新增了一个 sklearn.compose.ColumnTransformer
类，通过这个类我们可以对输入的特征分别做不同的预处理，并且最终的结果还在一个特征空间里面。
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import StandardScaler
#讲age hours这种连续特征标准化（归一化），其他分类特征热编码
ct = ColumnTransformer(
[("scaling", StandardScaler(), ['age', 'hours-per-week']),
("onehot", OneHotEncoder(sparse=False), ['workclass', 'education', 'gender', 'occupation'])])
Dataframe是pandas的一种数据类型
有关DDataFrame的详细知识 https://www.jianshu.com/p/8024ceef4fe2
demo_df = pd.DataFrame({'Integer Feature': [0, 1, 2, 1],'Categorical Feature': ['socks', 'fox', 'socks', 'box']})
display(demo_df)
json文件转换成字典
json.load
json_dict=json.load(open("xxx.json"))
type(json_dict)
dict
字典 转换为 字符串
json.dumps(json_dict)
将数据写入json文件中
dump
with open("xxx.json","w") as f:
json.dump(new_dict,f)
pandas的shift（）函数
直接看代码就可以理解
df = pd.DataFrame(np.arange(16).reshape(4,4),columns=['AA','BB','CC','DD'],index =['a','b','c','d'])
df
Out[14]:
AA BB CC DD
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15
#当period为正时，默认是axis = 0轴的设定，向下移动
df.shift(2)
Out[15]:
AA BB CC DD
a NaN NaN NaN NaN
b NaN NaN NaN NaN
c 0.0 1.0 2.0 3.0
d 4.0 5.0 6.0 7.0
#当axis=1，沿水平方向进行移动，正数向右移，负数向左移
df.shift(2,axis = 1)
Out[16]:
AA BB CC DD
a NaN NaN 0.0 1.0
b NaN NaN 4.0 5.0
c NaN NaN 8.0 9.0
d NaN NaN 12.0 13.0
#当period为负时，默认是axis = 0轴的设定，向上移动
df.shift(-1)
Out[17]:
AA BB CC DD
a 4.0 5.0 6.0 7.0
b 8.0 9.0 10.0 11.0
c 12.0 13.0 14.0 15.0
d NaN NaN NaN NaN
freq： DateOffset, timedelta, or time rule string，可选参数，默认值为None，只适用于时间序列，如果这个参数存在，那么会按照参数值移动时间索引，而数据值没有发生变化。
df = pd.DataFrame(np.arange(16).reshape(4,4),columns=['AA','BB','CC','DD'],index =pd.date_range('6/1/2012','6/4/2012'))
df
Out[38]:
AA BB CC DD
2012-06-01 0 1 2 3
2012-06-02 4 5 6 7
2012-06-03 8 9 10 11
2012-06-04 12 13 14 15
df.shift(freq=datetime.timedelta(1))
Out[39]:
AA BB CC DD
2012-06-02 0 1 2 3
2012-06-03 4 5 6 7
2012-06-04 8 9 10 11
2012-06-05 12 13 14 15
df.shift(freq=datetime.timedelta(-2))
Out[40]:
AA BB CC DD
2012-05-30 0 1 2 3
2012-05-31 4 5 6 7
2012-06-01 8 9 10 11
2012-06-02 12 13 14 15
numpy.concatenate((a1,a2,…), axis=0)
能够一次完成多个数组的拼接。其中a1,a2,…是数组类型的参数
>>> a=np.array([1,2,3])
>>> b=np.array([11,22,33])
>>> c=np.array([44,55,66])
>>> np.concatenate((a,b,c),axis=0) # 默认情况下，axis=0可以不写
array([ 1, 2, 3, 11, 22, 33, 44, 55, 66]) #对于一维数组拼接，axis的值不影响最后的结果
>>> a=np.array([[1,2,3],[4,5,6]])
>>> b=np.array([[11,21,31],[7,8,9]])
>>> np.concatenate((a,b),axis=0)
array([[ 1, 2, 3],
[ 4, 5, 6],
[11, 21, 31],
[ 7, 8, 9]])
>>> np.concatenate((a,b),axis=1) #axis=1表示对应行的数组进行拼接
array([[ 1, 2, 3, 11, 21, 31],
[ 4, 5, 6, 7, 8, 9]])
inverse_transform()将标准化后的数据转换为原始数据。
X=scaler.inverse_transform(X[, copy])
将标准化后的数据转换为原始数据。
X=pca.inverse_transform(newX)
将降维后的数据转换成原始数据