Pandas 常用函数

apply()

train['Has_Cabin'] = train["Cabin"].apply(lambda x: 0 if type(x) == float else 1)

传入一个函数，应用于一个列。

重载[]

dataset.loc[dataset['FamilySize'] == 1, 'IsAlone'] = 1

将将dataset的FamilySize字段等于1的列的IsAlone列的值设为1。

numeric_features = features.loc[:,['LotFrontage', 'LotArea', 'GrLivArea', 'TotalSF']]

重载&

dataset.loc[(dataset['Fare'] > 7.91) & (dataset['Fare'] <= 14.454), 'Fare'] = 1

将7.91<Fare<=14.454的列的Fare列设置为1。

isnull()

age_null_count = dataset['Age'].isnull().sum()

找出缺失项。

fillna()

dataset['Embarked'] = dataset['Embarked'].fillna('S')

将缺失项填充为'S'。

replace()

dataset['Title'] = dataset['Title'].replace('Mlle', 'Miss')

替换给定值。

corr()

train.astype(float).corr()

求相关系数矩阵。

concat()

NAs = pd.concat([train.isnull().sum(), test.isnull().sum()], axis=1, keys=['Train', 'Test'])

拼接两列.

factorize()

将字符数据字符化，一个字符对应一个数字。

dic = {"X": ["a", "a", "b", "c"], "Y": [1, 2, 3, 4]}
df = pd.DataFrame(dic)

pd.factorize(df['X'])[0]

Output:
array([0, 0, 1, 2], dtype=int64)