Pandas read_csv() 与示例

在 Pandas 中导入 CSV

在 TensorFlow 教程中，您将使用成人数据集。它通常用于分类任务。它可在此 URL 中找到 https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.data

数据以 CSV 格式存储。此数据集包括八个分类变量：

该数据集包括8个分类变量：

• 工人阶级
• 教育
• 婚姻
• 占用
• 关系
• 种族
• 性别
• 祖国

以及6个连续变量：

• 年龄
• 风车
• 教育编号
• 资本收益
• 资本损失
• hours_week

Pandas read_csv() 方法

要导入 CSV 数据集，可以使用对象 pd.read_csv()。里面的基本参数是：

Pandas read_csv() 语法

pandas.read_csv(filepath_or_buffer,sep=', ',`names=None`,`index_col=None`,`skipinitialspace=False`)

• 文件路径或缓冲区：包含数据的路径或 URL
• 九月=', '：定义要使用的分隔符
• `names=None`：为列命名。如果数据集有十列，则需要传递十个名称
• `index_col=无`：如果是，则第一列作为行索引
• `skipinitialspace=False`：跳过分隔符后的空格。

有关 read_csv() 的更多信息，请查看官方文档：

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html

Pandas read_csv() 示例

## Import csv
import pandas as pd
## Define path data
COLUMNS = ['age','workclass', 'fnlwgt', 'education', 'education_num', 'marital',
           'occupation', 'relationship', 'race', 'sex', 'capital_gain', 'capital_loss',
           'hours_week', 'native_country', 'label']
PATH = "https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.data"
df_train = pd.read_csv(PATH,
                       skipinitialspace=True,
                       names = COLUMNS,
                       index_col=False)
df_train.shape

输出：

(32561, 15)

Pandas groupby() 方法

查看数据的一种简单方法是使用 groupby 方法。此方法可以帮助您按组汇总数据。以下是 groupby() 方法可用的方法列表：

• 计数：计数
• 分钟： 分钟
• 最大：最大
• 平均值：平均值
• 中位数：中位数
• 标准差：sdt
• 等。

在 groupby() 内部，您可以使用想要应用该方法的列。

让我们看一下成人数据集的单个分组。您将获得按收入类型（即高于 50k 或低于 50k）划分的所有连续变量的平均值：

df_train.groupby(['label']).mean()

您可以按家庭类型获取最低年龄：

df_train.groupby(['label'])['age'].min()
label
<=50K    17
>50K     19
Name: age, dtype: int64

您还可以按多个列进行分组。例如，您可以根据家庭类型和婚姻状况获得最大资本收益。

df_train.groupby(['label', 'marital'])['capital_gain'].max()				
label  marital              
<=50K  Divorced                 34095
       Married-AF-spouse         2653
       Married-civ-spouse       41310
       Married-spouse-absent     6849
       Never-married            34095
       Separated                 7443
       Widowed                   6849
>50K   Divorced                 99999
       Married-AF-spouse         7298
       Married-civ-spouse       99999
       Married-spouse-absent    99999
       Never-married            99999
       Separated                99999
       Widowed                  99999
Name: capital_gain, dtype: int64

您可以在 groupby 之后创建一个图。一种方法是在分组后使用图。

为了创建更出色的图，您将在 mean() 之后使用 unstack()，以便拥有相同的多级索引，或者将收入低于 50k 和高于 50k 的值连接起来。在这种情况下，图将有两组，而不是 14 组（2*7）。

如果你使用 Jupyter 笔记本，确保添加 %matplotlib inline，否则不会显示任何图

%matplotlib inline
df_plot = df_train.groupby(['label', 'marital'])['capital_gain'].mean().unstack()
df_plot

结语

• 要导入 CSV 数据集 熊猫，您可以使用对象pd.read_csv()。
• groupby() 方法可以帮助您按组汇总数据。
• 您还可以按多个列进行分组。例如，您可以根据家庭类型和婚姻状况获得最大资本收益。