文章目录

• 1、pd.read_csv()
• 2、Dataframe.drop()
• 3、pd.get_dummies()
  • pandas官方文档：https://pandas.pydata.org/pandas-docs/stable/index.html

    1、pd.read_csv()

    • pd.read_csv()是用于读取 CSV（Comma Separated Values，逗号分隔值）文件并将其转换为 DataFrame 对象。
    • CSV 是一种常见的数据存储格式，其中数据以纯文本形式存储，每行表示一条记录，每个字段之间用逗号（或其他分隔符）分隔。
    • 简单使用：

      pd.read_csv(file_path, sep)
      1) file_path: 文件路径
      2) sep: csv文件的分隔符，默认为逗号
      

      • 更复杂的使用方法：详见https://blog.csdn.net/weixin_47139649/article/details/126744842

        read_csv(
        	reader: FilePathOrBuffer, *, 
        	sep: str = ..., 
        	delimiter: str | None = ..., 
        	header: int | Sequence[int] | str = ..., 
        	names: Sequence[str] | None = ..., 
        	index_col: int | str | Sequence | Literal[False] | None = ..., 
        	usecols: int | str | Sequence | None = ..., 
        	squeeze: bool = ..., 
        	prefix: str | None = ..., 
        	mangle_dupe_cols: bool = ..., 
        	dtype: str | Mapping[str, Any] | None = ..., 
        	engine: str | None = ..., 
        	converters: Mapping[int | str, (*args, **kwargs) -> Any] | None = ..., 
        	true_values: Sequence[Scalar] | None = ..., 
        	false_values: Sequence[Scalar] | None = ..., 
        	skipinitialspace: bool = ..., 
        	skiprows: Sequence | int | (*args, **kwargs) -> Any | None = ..., 
        	skipfooter: int = ..., nrows: int | None = ..., na_values=..., 
        	keep_default_na: bool = ..., na_filter: bool = ..., 
        	verbose: bool = ..., skip_blank_lines: bool = ..., 
        	parse_dates: bool | List[int] | List[str] = ..., 
        	infer_datetime_format: bool = ..., 
        	keep_date_col: bool = ..., 
        	date_parser: (*args, **kwargs) -> Any | None = ..., 
        	dayfirst: bool = ..., cache_dates: bool = ..., 
        	iterator: Literal[True], 
        	chunksize: int | None = ..., 
        	compression: str | None = ..., 
        	thousands: str | None = ..., 
        	decimal: str | None = ..., 
        	lineterminator: str | None = ..., 
        	quotechar: str = ..., 
        	quoting: int = ..., 
        	doublequote: bool = ..., 
        	escapechar: str | None = ..., 
        	comment: str | None = ..., 
        	encoding: str | None = ..., 
        	dialect: str | None = ..., 
        	error_bad_lines: bool = ..., 
        	warn_bad_lines: bool = ..., 
        	delim_whitespace: bool = ..., 
        	low_memory: bool = ..., 
        	memory_map: bool = ..., 
        	float_precision: str | None = ...)
        

        2、Dataframe.drop()

        • 用于删除 DataFrame 或 Series 中的指定行、列或元素。

          DataFrame.drop(labels=None, *, axis=0, index=None, columns=None, level=None, inplace=False, errors=‘raise’)
          1) labels: 指定要删除的列名或者行索引，可以是单个值(int/str)或者list
          2) axis: 指定删除方向(行或列)，0 或 ‘index’ ： 删除行；1 or ‘columns’： 删除列
          3) index: 用于指定要删除的行索引(index=labels 等效于 labels, axis=0)
          4) columns: 用于指定要删除的列名(columns=labels 等效于 labels, axis=1)
          5) inplace: bool类型，True表示原地修改，False表示返回一个新的DataFrame，默认为False
          

          • 例如：

            import pandas as pd
            # 创建一个简单的 DataFrame
            df = pd.DataFrame({
                'A': [1, 2, 3],
                'B': [4, 5, 6],
                'C': [7, 8, 9]
            })
            # 删除列 'A'
            df_dropped = df.drop('A', axis=1)
            # 这与下面的用法是等效的
            df_dropped_equiv = df.drop(columns='A')
            # 删除索引为 1 的行
            df_dropped_row = df.drop(1, axis=0)
            # 这与下面的用法是等效的
            df_dropped_row_equiv = df.drop(index=1)
            

            3、pd.get_dummies()

            • pd.get_dummies()是将类别变量转换为one-hot变量，进行one-hot编码，一般用于数据的预处理，在推荐系统中将类别变量转换为one-hot变量后，可继续进行embedding

            • pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False)[source]
              1) data: 待转换的类别变量，可以是Series, or DataFrame
              2) prefix: str类型，是生成的新列的前缀，可见如下例子
              

              • 例如：

                import pandas as pd
                data = pd.DataFrame({
                    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
                    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
                    'C': np.random.randn(8),
                    'D': np.random.randn(8)
                })
                dummy_data = pd.get_dummies(data['A'], prefix='A')
                '''
                结果 dummy_data 将是：
                   A_bar  A_foo
                0      0      1
                1      1      0
                2      0      1
                3      1      0
                4      0      1
                5      1      0
                6      0      1
                7      0      1
                '''