Python小點dian兒: Python-Pandas-DataFrame 如何把df變爲以數據中的某一列爲index

   

目錄

 我們在讀入數據的時候，數據本來有它自身的user_id,這行數據又是不進入模型訓練的。我們怎麼處理呢？  

法一：文件讀入階段

小點dian兒：，讀入文件的幾行，參數：nrows=行數

法二：在DateFrame階段設置：

小點dian兒：：讀入文件的指定列，參數：usecols=["列名1',"列名2",.....]，及前幾行，

參數：nrows=行數。

小點dian兒：存入數據的時候，我們希望保留了數據在系統的行名或者不保存，

參數：index=None：

---

我們在讀入數據的時候，數據本來有它自身的user_id,這行數據又是不進入模型訓練的。我們怎麼處理呢？

是不是在訓練模型的時候，把train數據集刪去user_id,同時，在test數據集上也先刪去user_id，得到預測結果後再加上呢？

顯然上面不是一種好的方法，雖然我們我們需要顧及這個數據的id不是自變量，不能加入訓練，又要顧及讀入數據會默認有一個index（行id）,0,1,2,3……我們可以不使用默認的index,認爲指定行名，就像指定數據庫的鍵值（要求唯一）。怎麼辦呢，

法一：文件讀入階段

在讀入階段的時候指定，其中一列爲index,命令如下，index_col='列名'，這個列是你所指定爲行id所在列的名字。

df = pd.read_csv(filepath, sep=',',index_col='user_id')

我們打印輸入一下：

 df = pd.read_csv("C:/Users/train.csv", sep=',',index_col='user_id',nrows=5)

小點dian兒：，讀入文件的幾行，參數：nrows=行數

                  service_type  is_mix_service  online_time
user_id
Gx4sJzcQog01UhZL             4               0           85
kEXrhTiug93DIcLG             1               0           10
AouXr0EOUtSRdiYK             1               0           12
Yds7U30hnRZDiLtb             4               0          134
OFDTSXrhN9Q2mbVw             4               0           84

法二：在DateFrame階段設置：

首先讀入文件生成一個df:

>>> df = pd.read_csv("C:/Users/train.csv", sep=',',usecols=['service_type','online_tim
e','user_id'],nrows=5)
>>> df
   service_type  online_time           user_id
0             4           85  Gx4sJzcQog01UhZL
1             1           10  kEXrhTiug93DIcLG
2             1           12  AouXr0EOUtSRdiYK
3             4          134  Yds7U30hnRZDiLtb
4             4           84  OFDTSXrhN9Q2mbVw

小點dian兒：：讀入文件的指定列，參數：usecols=["列名1',"列名2",.....]，及前幾行，

參數：nrows=行數。

命令：dfname.set_index("列名")， 指定行的名稱對應的列名。但是這個命令是不對原有的DateFrame改變：

>>> df.set_index('user_id')

                  service_type  online_time
user_id
Gx4sJzcQog01UhZL             4           85
kEXrhTiug93DIcLG             1           10
AouXr0EOUtSRdiYK             1           12
Yds7U30hnRZDiLtb             4          134
OFDTSXrhN9Q2mbVw             4           84
#df.set_index('user_id')是新生成的dateframe

>>> df
   service_type  online_time           user_id
0             4           85  Gx4sJzcQog01UhZL
1             1           10  kEXrhTiug93DIcLG
2             1           12  AouXr0EOUtSRdiYK
3             4          134  Yds7U30hnRZDiLtb
4             4           84  OFDTSXrhN9Q2mbVw
#df並沒有改變

如何對原有的df改變呢：

>>> df.set_index(["user_id"], inplace=True)
>>> df
                  service_type  online_time
user_id
Gx4sJzcQog01UhZL             4           85
kEXrhTiug93DIcLG             1           10
AouXr0EOUtSRdiYK             1           12
Yds7U30hnRZDiLtb             4          134
OFDTSXrhN9Q2mbVw             4           84

完工。

小點dian兒：存入數據的時候，我們希望保留了數據在系統的行名或者不保存，

參數：index=None：

在我們不進行如上的設計的時候，系統或分配默認的行index:0,1,2..在我們將運行結果存入文件，如果不加以設置，將會把這一index列，存入數據文件。（我們已經做好如上涉及，我們希望user_id,和結果同時被記錄，則不需要如下index是否存儲的設置）

>>> df = pd.read_csv("C:/Users/train.csv", sep=',')
>>> df
   service_type  online_time           user_id
0             4           85  Gx4sJzcQog01UhZL
1             1           10  kEXrhTiug93DIcLG
2             1           12  AouXr0EOUtSRdiYK
3             4          134  Yds7U30hnRZDiLtb
4             4           84  OFDTSXrhN9Q2mbVw

那這一行又是沒有實際用處甚至在我們的csv或者excel這種本來就有表格索引的文件中是冗餘的，那怎麼辦呢？

參數：index=None

    df.to_csv(save_path, index=None)

# 保存計算結果,不保留原有df中的行名
def save_result(save_path, y_test_predict):
    y_test_predict.to_csv(save_path, index=None)
    return None