这篇博客写的很全，不清楚的可以直接过去找：点击打开链接
import pandas as pd //数据分析，代码基于numpy
import numpy as np //处理数据，代码基于ndarray
import matplotlib.pyplot as plt //画图pandas主要用于数据分析，numpy库主要用于处理数据，matplotlib库主要用于画图
关键字：
读入数据：
train_df = pd.read_json("train.json")index：获取键列表
values：获取值列表
直接输入名称，可显示整个数据集：
head(num)，tail(num):查看头数据，不加参数默认为5,加.T为转置
columns:查看存在的所有列
describe():输出所有列的各参数
count--计数
mean--平均值
std--标准差
min--最小值
max--最大值
25%--第一个四分位数
50%--中位数
75%--第三个四分位数
info():
.isnull().sum():可以查看数据集中是否含有缺失值
注：当然这只是一个简单的检测方式，由于数据类型的原因，部分以数组形式出的数据是无法通过这种方法检测出来，需要在后续做的时候进一步分析 。
sort_index():按行索引进行排序
可以看到以行的id从小到大排序
.sort_index(ascending=False)可以用ascending=True或False来决定是正序还是倒叙
sort_index(axis=1):按列索引进行排序
sort_values(by=''),sort_values(by=['','']:按照值的一个或多个进行排序
同样适用于sort_index
train_df['name']或train_df.name:列出某一特定列的值
加两个中括号后：
train_df[10:20]:列出范围内局部的数据
train_df.loc[ : ,[' ',' ']]：局部选择
at：选择具体某个元素
（网上的例子）
iloc[num]:从0开始，第num行（即num为3，为第四行数据）
iloc[num1:num2,num3:num4]:第num1+1行到num2行，第num3+1列到num4列
iloc剩下的几个用法对比网上例子：
取范围内部分值：
train_df2=train_df1.copy()：对train_df1的复制
isin:
参考网上例子如下：
apply:对行或列进行操作
train_df['num_photos']=train_df['photos'].apply(len)
train_df['num_features']=train_df['features'].apply(len)
train_df['num_description_words'] = train_df['description'].apply(lambda x : len(x.split(' ')))
train_df['num_description_len']=train_df['description'].apply(len)len函数返回列表元素个数，或者字符串长度
lambda表达式，通常是在需要一个函数，但是又不想费神去命名一个函数的场合下使用，也就是指匿名函数。
如下例：
add = lambda x, y : x+y
add(1,2) # 结果为3
映射：
Interest_level是每条记录对应的分类结果，分别为：low，medium，high，以string形式给出，由于在模型训练中只接受数值型的数据，因此我们可以做一个映射如下：
label_num_map={'high':0,'medium':1,'low':2}
train_df['label']=train_df['interest_level'].apply(lambda x:label_num_map[x])
train_df[['label']].head()
One-hot编码，方便后续的特征提取
使用get_dummies进行one-hot编码
concat函数是在pandas底下的方法，可以将数据根据不同的轴作简单的融合,
参数如下：
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False)
参数说明
objs: series，dataframe或者是panel构成的序列lsit
axis： 需要合并链接的轴，0是行，1是列
join：连接的方式 inner，或者outer
interest_level = pd.get_dummies(train_df['interest_level'])
train_df=pd.concat([train_df,interest_level],axis=1)
train_df[['interest_level','high','low','medium']].head()
删除列：train_df.drop("medium",axis=1,inplace=True),asis=1表示删除的是一列
删除行：train_df.drop(10,axis=0,inplace=True)，10表示的是将删除的id，axis=0表示删除的是一行
增加的关键字是append，可以用iloc定位然后增加。
对于时间类型的数据，我们可以获取它对应的年月日 :
train_df['created_year'] = pd.to_datetime(train_df['created']).dt.year
train_df['created_month'] = pd.to_datetime(train_df['created']).dt.month
train_df['created_day'] = pd.to_datetime(train_df['created']).dt.day
train_df[['created','created_year','created_month','created_day']].head()
对不同卧室数目的房屋的感兴趣程度数目
和对不同卧室数目的房屋感兴趣程度（高/中/低）占对该类型房屋总数目的比：
groupby：对数据进行分组, 分组后使用sum之类的方法可以计算分组后的结果
add_suffix:将列标签前面加上后缀suffix
reset_index():将索引作为df中的一列值
bedroom_features = train_df.groupby(['bedrooms'])['high','low','medium'].sum().add_suffix('_count').reset_index()
bedroom_features['all_count'] = train_df.groupby(['bedrooms'])['price'].count()
bedroom_features['high_ratio'] = bedroom_features['high_count']/bedroom_features['all_count']
bedroom_features['medium_ratio']=bedroom_features['medium_count']/bedroom_features['all_count']
bedroom_features['low_ratio']=bedroom_features['low_count']/bedroom_features['all_count']
bedroom_features.head()
numpy库中的arange关键字：
第一个参数为起始参数，第二个为结束参数，第三个为步长。
主要参考：点击打开链接
| 将索引作为df中的一列值 |