《机器学习及实践》学习笔记（一）

gen一 .良、恶性乳腺癌肿瘤数据预处理（p38）

import pandas as pd
import numpy as np
column_names=['Sample code number','Clump Thickness','Uniformity of Cell Size',
              'Uniformity of Cell shape','Marginal Adhesion','Single Epithelial Cell Size',
             'Bare Nuclei','Bland Chromatin','Normal Nucleoli','Mitoses','Class']
data=pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer- 
                wisconsin/breast-cancer-wisconsin.data',names=column_names)
data=data.replace(to_replace='?',value=np.nan)
data=data.dropna(how='any')
data.shape

结果：（638,11）

二.函数说明:

    dataframe对象的创建、修改、合并https://blog.csdn.net/u014281392/article/details/75331570

import pandas as pd
import numpy as np

 创建dataframe

 情况一：

df = pd.DataFrame([1, 2, 3, 4, 5], columns=['cols'], index=['a','b','c','d','e'])
print df

 cols
a     1
b     2
c     3
d     4
e     5

情况二：

df2 = pd.DataFrame([[1, 2, 3],[4, 5, 6]], columns=['col1','col2','col3'], index=['a','b'])
print df2

 col1  col2  col3
a     1     2     3
b     4     5     6

情况三：

df3 = pd.DataFrame(np.array([[1,2],[3,4]]), columns=['col1','col2'], index=['a','b'])
print df3

 col1  col2
a     1     2
b     3     4

情况四：

df4 = pd.DataFrame({'col1':[1,3],'col2':[2,4]},index=['a','b'])
print df4

 col1  col2
a     1     2
b     3     4

创建DataFrame对象的数据可以为列表，数组和字典，列名和索引为列表对象

基本操作

df2.index
Index(['a', 'b'], dtype='object')

df2.columns
Index(['col1', 'col2', 'col3'], dtype='object')

根据索引查看数据 

索引为ａ这一行的数据

df2.iloc[0] 跟上面的操作等价，一个是根据索引名，一个是根据数字索引访问数据

df2.loc['a']
col1    1
col2    2
col3    3
Name: a, dtype: int64

df2.loc[['a','b']]
 col1  col2  col3
a     1     2     3
b     4     5     6

df.loc[df.index[1:3]]
   cols
b     2
c     3

print (df2[['col1','col3']])
   col1  col3
a     1     3
b     4     6

data.dropna过滤数据https://www.jb51.net/article/143055.htm

注：本段代码对数据的处理就是把丢失的数据删除，但是删除之后位置还在！