Python机器学习：drop()删除行列

### Pandas 在机器学习中的基本操作 #### 数据加载与查看 Pandas 提供了多种方法来加载不同类型的文件，例如 CSV 文件、Excel 表格等。`read_csv()` 是最常用的方法之一用于加载 CSV 文件[^2]。 ```python import pandas as pd # 加载CSV文件 data = pd.read_csv('example.csv') # 查看前几行数据 print(data.head()) # 获取基本信息 print(data.info()) ``` #### Series 和 DataFrame 的概念 在 Pandas 中，两种主要的数据结构分别是 `Series` 和 `DataFrame`。 - **Series** 是一维数组对象，它能够保存任何类型的数据，并且带有一个关联的索引。 - **DataFrame** 则是一种二维表形式的数据结构，具有行列索引，每一列可以有不同的值类型[^3]。 ```python # 创建一个简单的Series s = pd.Series([1, 3, 5, np.nan, 6, 8]) print(s) # 创建一个简单的DataFrame df = pd.DataFrame({ 'A': [1, 2, 3], 'B': ['foo', 'bar', 'baz'] }) print(df) ``` #### 数据清洗 数据清洗是机器学习项目的重要部分，在此过程中会涉及缺失值处理、重复值检测等内容。以下是几个常见的例子： - 处理缺失值：可以通过删除或者填充的方式解决。 - 删除重复项：通过 `.drop_duplicates()` 方法实现。 ```python # 填充缺失值 data.fillna(value=0, inplace=True) # 或者删除含有缺失值的行 data.dropna(inplace=True) # 移除重复记录 data.drop_duplicates(inplace=True) ``` #### 特征工程 特征工程是指通过对原始数据进行转换从而提取更多有用的信息的过程。这可能包括创建新变量、编码分类变量等步骤[^1]。 - 对于类别型变量，通常采用 One-Hot 编码方式将其转化为数值表示； - 数值型变量则可能会经历标准化或归一化过程以便模型训练更加高效稳定。 ```python from sklearn.preprocessing import LabelEncoder, StandardScaler # 使用Label Encoder对分类变量进行编码 le = LabelEncoder() data['category'] = le.fit_transform(data['category']) # 应用Standard Scaler到数值字段上 scaler = StandardScaler() scaled_values = scaler.fit_transform(data[['value']]) data['scaled_value'] = scaled_values ``` #### 可视化支持 虽然 Matplotlib 是 Python 主流绘图库，但是 Pandas 封装了一些常用的可视化功能使得绘制简单图形变得非常容易。 ```python # 绘制直方图 data.hist(column='age', bins=20) # 显示箱线图 data.boxplot(column=['height']) ``` ---