如何使用熊猫提取数据矩阵？

Posted 2023-03-15

【中文标题】如何使用熊猫提取数据矩阵？

【英文标题】：How to extract data matrix using pandas?

【发布时间】：2021-08-30 03:58:49

【问题描述】：

我有一个 6901 行 x 42 列的 csv 文件。这个文件的 39 列是一个数据矩阵，我想对其进行一些分析。我不知道如何从 pandas 中提取这些数据作为不需要索引的矩阵并将其视为数值矩阵。

df1=pd.read_csv(fileName, sep='\\t',lineterminator='\\r', engine='python', header='infer')
df1.info()

0          A0A024QZP7;P06493;P06493-2;E5RIU6;A0A087WZZ9  ...     47.88100

1                          A0A024QZX5;A0A087X1N8;P35237  ...      0.13615

2                A0A024R0T9;K7ER74;P02655;Q6P163;V9GYJ8  ...          NaN

3     A0A024R4E5;Q00341;Q00341-2;H0Y394;H7C0A4;C9J5E...  ...      5.97650

4      A0A087WZA9;A0A024R4K9;A0A087X266;Q9BXJ8-2;Q9BXJ8  ...          NaN

                                        ...  ...          ...

6896                                             V9GYT7  ...          NaN

6897                                             V9GZ54  ...          NaN

6898  X5CMH5;A0A140T9S0;A0A0G2JLV0;A0A087WYD6;E7ENX8...  ...          NaN

6899                               X6RAL5;H7BZW6;U3KPY7  ...          NaN

6900                                             X6RJP6  ...          NaN

[6901 rows x 42 columns] >

然后我想把第 4 到 42 列作为一个正常的矩阵进行计算。有人知道怎么做吗？

【问题讨论】：

那么您想知道如何从数据框中提取特定列吗？

【参考方案1】：

pandas 为您提供所需的一切。 :) 您不需要将其转换为 numpy 数组。这样你就可以从 pandas DataFrames 中保留一些方便的方法:)

您有一个 .csv 文件，意思是“逗号分隔值” - 有历史原因，但现在这些值由不同的符号分隔，或者用熊猫术语由不同的 分隔符 分隔，短 九月。例如逗号、分号、制表符。

您的数据以分号分隔，因此您应该在 pd.read_csv 命令中使用 sep=';'。

据我了解，您想忽略前 3 列。所以你只需设置 pd.read_csv 变量 usecols (=use columns)

usecols=range(4,43)

usecols 希望您准确地告诉他您想使用的列。你可以给他一个从 4 到 43 的范围，或者你可以传递一个列表

a=[4,5,6,7,....,42]

这显然只有在您想定义特定列时才方便。 python-function range 为您完成了这项繁琐的工作。

所以你的命令应该是这样的： df1=pd.read_csv(fileName, sep=';',lineterminator='\\r', engine='python', header='infer',usecols=range(4,43))

最好的问候

【参考方案2】：

您可以使用将 DataFrame 转换为 numpy ndarray

df1.values

或

df1.to_numpy()

---

如果您只想提取特定列：

cols = ['A', 'B', 'C']
df1[cols].to_numpy()