简单且有用的Python数据分析和机器学习代码

为什么选择Python进行数据分析？

Python是一门动态的、面向对象的脚本语言，同时也是一门简约，通俗易懂的编程语言。Python入门简单，代码可读性强，一段好的Python代码，阅读起来像是在读一篇外语文章。Python这种特性称为“伪代码”，它可以使你只关心完成什么样的工作任务，而不是纠结于Python的语法。

另外，Python是开源的，它拥有非常多优秀的库，可以用于数据分析及其他领域。更重要的是，Python与最受欢迎的开源大数据平台Hadoop具有很好的兼容性。因此，学习Python对于有志于向大数据分析岗位发展的数据分析师来说，是一件非常节省学习成本的事。

Python的众多优点让它成为最受欢迎的程序设计语言之一，国内外许多公司也已经在使用Python，例YouTube，Google，阿里云等等。

简单且有用的Python数据分析和机器学习代码

经过这个月的python数据分析和机器学习，总结了一些经验，同时也收获了一些大佬的优秀博客，感兴趣的可以观看我的收藏夹，废话不多说，直接进入正题。

数据分析大致分为数据处理，模型建立，模型测试这3部，这篇文章主要是讲解对数据进行处理

为了对数据进行分析，首先要了解学习python的熊猫库pandas，下面是一些基础简单的操作方法，python调用方法如下

import pandas as pd

python通过pandas读取csv文件的方法

df= pd.read_csv("xxx.csv")
#输出文件内容前五列
print(df.head())
#输出csv所有内容
print(df)

查看csv某列数据的方法

pandas.read_csv(‘file_name.csv', usecols = [0,1,2,3])
#简单方法
df["属性列名称"]

pandas删除csv数据某些列的方法

droplabels= ['x_cat4','x_cat5','x_cat8','x_cat9']
data=df.drop(droplabels,axis=1)

pandas对NAN数据清洗的方法

#将表格中含有nan数值的列进行删除，返回非空数据和索引值的Series
df.dropna()
'''
dropna(axis=0,how='any',thresh=None)，how参数可选的值为any或者all.all仅在切片元素全为NA时才抛弃该行(列)。thresh为整数类型，eg:thresh=3,那么一行当中至少有三个NA值时才将其保留。
'''
data.fillna(0)                      #将nan替换为0
print(data.fillna(data.mean()))     ### 用每列特征的均值填充缺失数据
print(data.fillna(data.median()))    ### 用每列特征的中位数填充缺失数据
print(data.fillna(method='bfill'))   ### 用相邻后面（back）特征填充前面空值
print(data.fillna(method='pad'))     ### 用相邻前面特征填充后面空值
#参考博客:https://blog.csdn.net/qq_21840201/article/details/81008566

pandas对csv文件数据的更改的方法

#更改某列属性数值和类型
df = df[df['涨跌幅']!='None']
df['涨跌幅'] = df['涨跌幅'].astype(np.float64)
df = pd.DataFrame(a, dtype='float') #数据类型转化
#参考链接：http://www.45fan.com/article.php?aid=19070771581800099094144284
#对数据全部遍历读取并更改，参考如下
for i in df.index:
   df["id1"][i]=1

pandas的iloc的使用方法和作用

X = df.iloc[:, data.columns != 'label']  # 取出不包括 label其他的列

df.iloc[:3, :2]           #使用.iloc ，我们只选择了.iloc的前3行和2列

计算某列元素数量的方法

sum= len(data[data.label == 'BENIGN']) #计算BENIGN的数量
len(df)      

pandas对文件进行保存的方法

#df为要保存的数据，xxx.csv为保存的文件
df.to_csv('xxx.csv', index=False, sep=',')

以上是pandas对数据进行处理的简单功能，其中含有一些参考学习的博客，感兴趣的同学可以观看学习。有了这些基础知识，我们才能对数据集进行处理，接下来就是如何使用的问题了，下面讲解简单的套路。

1.首先观察数据，通过代码检测每一列的数据类型再进行考察，检测是否存在NAN值，可以删除该列，也可根据情况进行数值的变动。

2.数据集中可能存在部分列属性为time属性，一般不要直接将该列删除，可通过将其转化为浮点类型

3.字符串类型向数值类型的转换，部分字符串需要进行转换，这个就视情况而定了。

总结

来源：https://blog.csdn.net/confusingggg/article/details/117927454