目录
我们在读入数据的时候，数据本来有它自身的user_id,这行数据又是不进入模型训练的。我们怎么处理呢？
小点dian儿：：读入文件的指定列，参数：usecols=["列名1',"列名2",.....]，及前几行，
小点dian儿：存入数据的时候，我们希望保留了数据在系统的行名或者不保存，
我们在读入数据的时候，数据本来有它自身的user_id,这行数据又是不进入模型训练的。我们怎么处理呢？
是不是在训练模型的时候，把train数据集删去user_id,同时，在test数据集上也先删去user_id，得到预测结果后再加上呢？
显然上面不是一种好的方法，虽然我们我们需要顾及这个数据的id不是自变量，不能加入训练，又要顾及读入数据会默认有一个index（行id）,0,1,2,3……我们可以不使用默认的index,认为指定行名，就像指定数据库的键值（要求唯一）。怎么办呢，
法一：文件读入阶段
在读入阶段的时候指定，其中一列为index,命令如下，index_col='列名'，这个列是你所指定为行id所在列的名字。
df = pd.read_csv(filepath, sep=',',index_col='user_id')我们打印输入一下：
df = pd.read_csv("C:/Users/train.csv", sep=',',index_col='user_id',nrows=5)
小点dian儿：，读入文件的几行，参数：nrows=行数
service_type is_mix_service online_time
user_id
Gx4sJzcQog01UhZL 4 0 85
kEXrhTiug93DIcLG 1 0 10
AouXr0EOUtSRdiYK 1 0 12
Yds7U30hnRZDiLtb 4 0 134
OFDTSXrhN9Q2mbVw 4 0 84
法二：在DateFrame阶段设置：
首先读入文件生成一个df:
>>> df = pd.read_csv("C:/Users/train.csv", sep=',',usecols=['service_type','online_tim
e','user_id'],nrows=5)
>>> df
service_type online_time user_id
0 4 85 Gx4sJzcQog01UhZL
1 1 10 kEXrhTiug93DIcLG
2 1 12 AouXr0EOUtSRdiYK
3 4 134 Yds7U30hnRZDiLtb
4 4 84 OFDTSXrhN9Q2mbVw
小点dian儿：：读入文件的指定列，参数：usecols=["列名1',"列名2",.....]，及前几行，
参数：nrows=行数。
命令：dfname.set_index("列名")， 指定行的名称对应的列名。但是这个命令是不对原有的DateFrame改变：
>>> df.set_index('user_id')
service_type online_time
user_id
Gx4sJzcQog01UhZL 4 85
kEXrhTiug93DIcLG 1 10
AouXr0EOUtSRdiYK 1 12
Yds7U30hnRZDiLtb 4 134
OFDTSXrhN9Q2mbVw 4 84
#df.set_index('user_id')是新生成的dateframe
>>> df
service_type online_time user_id
0 4 85 Gx4sJzcQog01UhZL
1 1 10 kEXrhTiug93DIcLG
2 1 12 AouXr0EOUtSRdiYK
3 4 134 Yds7U30hnRZDiLtb
4 4 84 OFDTSXrhN9Q2mbVw
#df并没有改变如何对原有的df改变呢：
>>> df.set_index(["user_id"], inplace=True)
>>> df
service_type online_time
user_id
Gx4sJzcQog01UhZL 4 85
kEXrhTiug93DIcLG 1 10
AouXr0EOUtSRdiYK 1 12
Yds7U30hnRZDiLtb 4 134
OFDTSXrhN9Q2mbVw 4 84
完工。
小点dian儿：存入数据的时候，我们希望保留了数据在系统的行名或者不保存，
参数：index=None：
在我们不进行如上的设计的时候，系统或分配默认的行index:0,1,2..在我们将运行结果存入文件，如果不加以设置，将会把这一index列，存入数据文件。（我们已经做好如上涉及，我们希望user_id,和结果同时被记录，则不需要如下index是否存储的设置）
>>> df = pd.read_csv("C:/Users/train.csv", sep=',')
>>> df
service_type online_time user_id
0 4 85 Gx4sJzcQog01UhZL
1 1 10 kEXrhTiug93DIcLG
2 1 12 AouXr0EOUtSRdiYK
3 4 134 Yds7U30hnRZDiLtb
4 4 84 OFDTSXrhN9Q2mbVw那这一行又是没有实际用处甚至在我们的csv或者excel这种本来就有表格索引的文件中是冗余的，那怎么办呢？
参数：index=None
df.to_csv(save_path, index=None)
# 保存计算结果,不保留原有df中的行名
def save_result(save_path, y_test_predict):
y_test_predict.to_csv(save_path, index=None)
return None