2026/2/6 4:34:42
网站建设
项目流程
网站上做公司宣传,如何网站托管,wordpress商城主题模板下载地址,企业网站网站建设电话深度学习有了网络#xff0c;还得加载进来#xff0c;读取进来。
常用地方法就是用pandas包
比如我们有个excel文件#xff0c;名叫test.xlsx
文件中我们随便输入一些数#xff1a;
1 2 3 4
5 6 7 8
9 10 11 12然后我们用panda包进行读取并且打出来
imp…深度学习有了网络还得加载进来读取进来。常用地方法就是用pandas包比如我们有个excel文件名叫test.xlsx文件中我们随便输入一些数1 2 3 4 5 6 7 8 9 10 11 12然后我们用panda包进行读取并且打出来import pandas as pd data pd.read_excel(test.xlsx) print(data)但是打印出来的结果如下1 2 3 4 0 5 6 7 8 1 9 10 11 12可以发现这是一件很奇怪的事情最左侧对每一行进行了标注序号从0开始并且它默认将第一行数据当作了表头或者说列名。这是因为pd.read_excel有一个默认的参数header00表示第1行我们可以发现python数据逻辑中的索引都是从0开始的。为了不让它将第一行作为表的列名我们可以在读取数据的时候传给它参数import pandas as pd data pd.read_excel(test.xlsx,headerNone) print(data)打印出的结果0 1 2 3 0 1 2 3 4 1 5 6 7 8 2 9 10 11 12它自动给每一行每一列都添加了索引。如何查看数据信息首先我们可以打印出这个数据的大小print(data.shape)也就是34表示数据是一个3行4列的矩阵。print(data.info())会打印DataFrame的详细信息。比如我重新读取一个excel文件并且打印它的详细信息读取excel数据已经完成 class pandas.core.frame.DataFrame RangeIndex: 1500 entries, 0 to 1499 Columns: 800 entries, 0 to 799 dtypes: float64(800) memory usage: 9.2 MB None它告诉我们有1500800列dtypes64800说明这800列数据都是64位浮点型。我们可以算一下1个64位的浮点数需要占用64bit即64/88Byte1500X800个浮点数就需要占用1500X800X89.610^6Byte。也就是9.610^6/10249375KB也就是9375/10249.15527 MB≈\approx≈9.2MB。print(data.describe())打印出的信息是数据的摘要每一列数据0 1 ... 798 799 count 1500.000000 1500.000000 ... 1500.000000 1500.000000 mean 1.372601 1.372463 ... 4.958753 4.968210 std 0.685117 0.671365 ... 3.926098 3.953220 min 0.036198 0.031655 ... 0.036077 0.093626 25% 0.854522 0.866613 ... 1.217818 1.179935 50% 1.311026 1.306155 ... 2.404762 2.327359 75% 1.805137 1.796843 ... 8.893706 8.957338 max 4.146413 4.711889 ... 11.713591 12.103350 [8 rows x 800 columns]它给出了每一列数据的统计信息如何在读取后取出来索引某些数据我觉得pandas的逻辑还是以列为单位保存数据的因为它会统计每一列的数据的统计信息。如果要取第i列那么可以用data[i-1]比如第1列就是data[0]。每一列都是Series数据类型firstCol data[0] #取第一列 print(ffirstCol的数据类型{type(firstCol)}) print(fdata的数据类型{type(data)})最终打印信息如下firstCol的数据类型class ‘pandas.core.series.Series’data的数据类型class ‘pandas.core.frame.DataFrame’有一种更好操作的方法data.iloc[0,:]表示取出来第1行data.iloc[:,0]表示取出来第1列data.iloc[0,0]表示取出来第1行第1列。.iloc表示按位置提取这和matab的操作很像。