pandas学习实例

最新推荐文章于 2025-07-07 21:22:12 发布

水月清

最新推荐文章于 2025-07-07 21:22:12 发布

阅读量1.7k

点赞数

CC 4.0 BY-SA版权

分类专栏： pandas

本文链接：https://blog.youkuaiyun.com/weixin_40849273/article/details/83028336

本文通过实际案例深入探讨了使用Pandas库中的DataFrame进行数据处理的方法，涵盖了数据加载、清洗、转换和分析等核心步骤，是学习Pandas的理想实践指南。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression#从sklearn导入逻辑回归算法

train=pd.read_csv('./data/breast_cancer_train.csv')#读取csv数据
test=pd.read_csv('./data/breast-cancer-test.csv')#读取csv数据
print(train)
print(test)
train_data = np.array(train)#将数据做成数组形式
test_data = np.array(test)#将数据做成数值形式
print(train_data)
print(test_data)

X_train = train_data[:,1:3] # 取第1,2列作为特征
y_train = train_data[:,3] # 取第3列为标签

X_test = test_data[:,1:3]#取第1,2列作为特征
y_test = test_data[:,3]#取第3列作为标签

p_index = np.where(train_data[:,3]==1)[0] # 取出所以正样本的索引
n_index = np.where(train_data[:,3]==0)[0] # 取出所以负样本的索引
positive = X_train[p_index,:] # 取出所以正样本
nagative = X_train[n_index,:] # 取出所以负样本

plt.scatter(nagative[:,0],nagative[:,1],marker='o',s=200,c='red') #绘制样本点
plt.scatter(positive[:,0],positive[:,1],marker='x',s=150,c='black')
plt.show()

lr=LogisticRegression()#利用逻辑回归算法
lr.fit(X_train,y_train)#用数据训练
p