Pre-processing

  1. 显示每个unique value 和它的频次:
df['col'].value_counts()
merchants['category_2'].unique()
merchants.groupby('category_2').size()
  1. 按组显示统计数据:
    按col1分组后,每组的col2的均值
df.groupby(['col1'])['col2'].mean()
  1. 分组后显示统计数据
    按col1分组后,每组的col2,col3 的 各项统计数据:
df.groupby(['col1']).agg({'col2': ['mean', 'std', 'count'], 'col3': ['mean', 'std']})
  1. 将categorical variable 用numerical代替
  • binary variable: ( 用 0, 1代替 ‘X', 'Y' )
df['col1'] = df['col1'].apply(lambda x: 1 if x == 'Y' else 0)
  • categorical variable: ( 用0,1,2,3 代替 'A', 'B', 'C', 'nan' )
    此处需注意会将objects --》 float,需转回categorical
map_dict = {'A': 0, 'B': 1, 'C': 2, 'nan': 3}
df['col3'] = df['col3'].apply(lambda x: map_dict[str(x)])

# OR:
# Convert categorical variables:
df['col'] = df['col'].astype('category')
# reassign numbers for categorical variance:
cat_columns = df.select_dtypes(['category']).columns
df[cat_columns] = df[cat_columns].apply(lambda x: x.cat.codes)
  • get dummies
# Convert to dummies  (only for categorical 'object')
df=pd.get_dummies() # default for all cate_col
df = pd.get_dummies(df, columns=['col'])  # convert only for this col
df = pd.get_dummies(df, prefix=['col1', 'col2']) # specify perface 
  1. 格式化百分数
{0.03948576 * 100:.4f}% // 3.9486%
  1. missing value (check and fill)
merchants['category_2'].value_counts()  # check unique value
new_tran['category_2']  # show
new_tran[new_tran['category_2'].isnull().values==True] # show missing value
merchants.info() # type of the variable
  1. histgram
hists = merchants.hist(column="avg_sales_lag3", 
                             xlabelsize=8, ylabelsize=15,range=(9000,10000))[0][0]
hists.set_ylabel("books", size=15)
hists.set_xlabel("rating per book", size=15)
hists.set_title("Histogram of Rating counts per book", size=15);
  1. '\n' 转义符:print内回行 (不空格):
a=234
b=325
c=222
print(a,'\n',b,'\n',c,sep='')

其他

https://blog.csdn.net/sinat_35512245/article/details/79685891

  1. standardize / scale data

scale the data:

def std(df,column = None):
    mean = np.mean(df[column])
    std = np.std(df[column])
    df[column] = (df[column]-mean) / std
    print (mean,std)
    return df[column]

def scaler(df,column = None):
    min_value = np.min(df[column])
    max_value = np.max(df[column])
    df[column] = (df[column]-min_value) / (max_value - min_value)
    return df[column]

ctn_ft=['month_lag','purchase_amount','date','time'] # continous features 
for feature in ctn_ft:
    df[feature]= std(tran,column=feature)
    print(feature)

check:

from sklearn.preprocessing import StandardScaler
from math import sqrt

df = ..
ctn = ['avg_sales_lag3','avg_purchases_lag3', 'active_months_lag3',   'avg_sales_lag6',                 
'avg_purchases_lag6', 'active_months_lag6','avg_sales_lag12','avg_purchases_lag12',
       'active_months_lag12']          
for i in ctn:
    scaler = StandardScaler()
    values = df[i].values
    values = values.reshape(len(values), 1)
    scaler = StandardScaler()
    scaler = scaler.fit(values)
    print('col:',i,'Mean: %f, StandardDeviation: %f' % (scaler.mean_, sqrt(scaler.var_)))

查空,代替

df.isnull().any() 

df[df['col'].isnull().values==True]
df['col'] = df['col'].fillna('Z')


内存/ 大小

import psutil
print(psutil.virtual_memory())

import os
os.path.getsize('tran1.csv')/1024/1024/1024  # (in GB)

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,636评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,890评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,680评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,766评论 1 271
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,665评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,045评论 1 276
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,515评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,182评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,334评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,274评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,319评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,002评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,599评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,675评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,917评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,309评论 2 345
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,885评论 2 341

推荐阅读更多精彩内容