Pandas 中的示例数据集
Sample datasets in Pandas
使用 R 时，使用
加载 "practice" 数据集很方便
data(iris)
或
data(mtcars)
Pandas 有类似的东西吗？我知道我可以使用任何其他方法加载，只是好奇是否有内置的东西。
rpy2 模块是为此制作的：
from rpy2.robjects import r, pandas2ri
pandas2ri.activate()
r['iris'].head()
产量
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
在 pandas 0.19 之前，您可以使用 pandas' 自己的 rpy 接口：
import pandas.rpy.common as rcom
iris = rcom.load_data('iris')
print(iris.head())
产量
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
rpy2也提供了一种方式to convert R objects into Python objects:
import pandas as pd
import rpy2.robjects as ro
import rpy2.robjects.conversion as conversion
from rpy2.robjects import pandas2ri
pandas2ri.activate()
R = ro.r
df = conversion.ri2py(R['mtcars'])
print(df.head())
产量
mpg cyl disp hp drat wt qsec vs am gear carb
0 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
1 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
2 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
3 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
4 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
任何公开可用的 .csv 文件都可以使用其 URL 非常快速地加载到 pandas 中。这是一个使用最初来自 UCI 档案的 iris 数据集的示例。
import pandas as pd
file_name = "https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv"
df = pd.read_csv(file_name)
df.head()
此处的输出是您刚刚从给定 URL.
加载的 .csv 文件头
>>> df.head()
sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa
一个令人难忘的短片 URL 同样是 https://j.mp/iriscsv。这个简短的 URL 只有在输入时才有效，而在复制粘贴时无效。
自从我最初写下这个答案后，我已经用许多现在可用于访问 Python 中的示例数据集的方法对其进行了更新。就个人而言，我倾向于坚持使用我的任何包裹
已经在使用（通常是 seaborn 或 pandas）。如果您需要离线访问，
使用 Quilt 安装数据集似乎是唯一的选择。
Seaborn
出色的绘图包 seaborn 有几个内置的样本数据集。
import seaborn as sns
iris = sns.load_dataset('iris')
iris.head()
sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa
Pandas
如果您不想导入 seaborn，但仍想访问 它的示例
数据集，你可以使用@andrewwowens 的seaborn 样本方法
数据：
iris = pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv')
请注意，包含分类列的样本数据集有其 列
由 sns.load_dataset() 修改的类型和结果可能不一样
通过直接从 url 获取它。 iris 和 tips 样本数据集也是
在 pandas github 仓库 here.
中可用
R 样本数据集
由于可以通过 pd.read_csv() 读取任何数据集，因此可以访问所有
通过从 这个 R 数据集中复制 URL，R 的示例数据集
存储库.
加载 R 示例数据集的其他方法包括
statsmodel
import statsmodels.api as sm
iris = sm.datasets.get_rdataset('iris').data
from pydataset import data
iris = data('iris')
scikit-学习
scikit-learn returns 样本数据作为 numpy 数组而不是 pandas 数据
帧.
from sklearn.datasets import load_iris
iris = load_iris()
# `iris.data` holds the numerical values
# `iris.feature_names` holds the numerical column names
# `iris.target` holds the categorical (species) values (as ints)
# `iris.target_names` holds the unique categorical names
被子
Quilt 是一个数据集管理器，旨在促进
数据集管理。它包括许多常见的示例数据集，例如
several 来自 uciml 示例
存储库。 快速入门
第页展示了如何安装
并导入虹膜数据集：
# In your terminal
$ pip install quilt
$ quilt install uciml/iris
安装数据集后，可以在本地访问它，因此如果您想离线使用数据，这是最佳选择。
import quilt.data.uciml.iris as ir
iris = ir.tables.iris()
sepal_length sepal_width petal_length petal_width class
0 5.1 3.5 1.4 0.2 Iris-setosa
1 4.9 3.0 1.4 0.2 Iris-setosa
2 4.7 3.2 1.3 0.2 Iris-setosa
3 4.6 3.1 1.5 0.2 Iris-setosa
4 5.0 3.6 1.4 0.2 Iris-setosa
Quilt 还支持数据集版本控制并包含一个 short
每个数据集的描述。
内置pandas测试DataFrame非常方便。
makeMixedDataFrame():
In [22]: import pandas as pd
In [23]: pd.util.testing.makeMixedDataFrame()
Out[23]:
A B C D
0 0.0 0.0 foo1 2009-01-01
1 1.0 1.0 foo2 2009-01-02
2 2.0 0.0 foo3 2009-01-05
3 3.0 1.0 foo4 2009-01-06
4 4.0 0.0 foo5 2009-01-07
其他测试DataFrame选项：
makeDataFrame():
In [24]: pd.util.testing.makeDataFrame().head()
Out[24]:
A B C D
acKoIvMLwE 0.121895 -0.781388 0.416125 -0.105779
jc6UQeOO1K -0.542400 2.210908 -0.536521 -1.316355
GlzjJESv7a 0.921131 -0.927859 0.995377 0.005149
CMhwowHXdW 1.724349 0.604531 -1.453514 -0.289416
ATr2ww0ctj 0.156038 0.597015 0.977537 -1.498532
makeMissingDataframe()：
In [27]: pd.util.testing.makeMissingDataframe().head()
Out[27]:
A B C D
qyXLpmp1Zg -1.034246 1.050093 NaN NaN
v7eFDnbQko 0.581576 1.334046 -0.576104 -0.579940
fGiibeTEjx -1.166468 -1.146750 -0.711950 -0.205822
Q8ETSRa6uY 0.461845 -2.112087 0.167380 -0.466719
7XBSChaOyL -1.159962 -1.079996 1.585406 -1.411159
makeTimeDataFrame()：
In [28]: pd.util.testing.makeTimeDataFrame().head()
Out[28]:
A B C D
2000-01-03 -0.641226 0.912964 0.308781 0.551329
2000-01-04 0.364452 -0.722959 0.322865 0.426233
2000-01-05 1.042171 0.005285 0.156562 0.978620
2000-01-06 0.749606 -0.128987 -0.312927 0.481170
2000-01-07 0.945844 -0.854273 0.935350 1.165401
使用 R 时，使用
加载 "practice" 数据集很方便data(iris)
或
data(mtcars)
Pandas 有类似的东西吗？我知道我可以使用任何其他方法加载，只是好奇是否有内置的东西。
rpy2 模块是为此制作的：
from rpy2.robjects import r, pandas2ri
pandas2ri.activate()
r['iris'].head()
产量
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
在 pandas 0.19 之前，您可以使用 pandas' 自己的 rpy 接口：
import pandas.rpy.common as rcom
iris = rcom.load_data('iris')
print(iris.head())
产量
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
rpy2也提供了一种方式to convert R objects into Python objects:
import pandas as pd
import rpy2.robjects as ro
import rpy2.robjects.conversion as conversion
from rpy2.robjects import pandas2ri
pandas2ri.activate()
R = ro.r
df = conversion.ri2py(R['mtcars'])
print(df.head())
产量
mpg cyl disp hp drat wt qsec vs am gear carb
0 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
1 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
2 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
3 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
4 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
任何公开可用的 .csv 文件都可以使用其 URL 非常快速地加载到 pandas 中。这是一个使用最初来自 UCI 档案的 iris 数据集的示例。
import pandas as pd
file_name = "https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv"
df = pd.read_csv(file_name)
df.head()
此处的输出是您刚刚从给定 URL.
加载的 .csv 文件头>>> df.head()
sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa
一个令人难忘的短片 URL 同样是 https://j.mp/iriscsv。这个简短的 URL 只有在输入时才有效，而在复制粘贴时无效。
自从我最初写下这个答案后，我已经用许多现在可用于访问 Python 中的示例数据集的方法对其进行了更新。就个人而言，我倾向于坚持使用我的任何包裹 已经在使用（通常是 seaborn 或 pandas）。如果您需要离线访问， 使用 Quilt 安装数据集似乎是唯一的选择。
Seaborn
出色的绘图包 seaborn 有几个内置的样本数据集。
import seaborn as sns
iris = sns.load_dataset('iris')
iris.head()
sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa
Pandas
如果您不想导入 seaborn，但仍想访问 它的示例
数据集，你可以使用@andrewwowens 的seaborn 样本方法
数据：
iris = pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv')
请注意，包含分类列的样本数据集有其 列
由 sns.load_dataset() 修改的类型和结果可能不一样
通过直接从 url 获取它。 iris 和 tips 样本数据集也是
在 pandas github 仓库 here.
R 样本数据集
由于可以通过 pd.read_csv() 读取任何数据集，因此可以访问所有
通过从 这个 R 数据集中复制 URL，R 的示例数据集
存储库.
加载 R 示例数据集的其他方法包括
statsmodel
import statsmodels.api as sm
iris = sm.datasets.get_rdataset('iris').data
from pydataset import data
iris = data('iris')
scikit-学习
scikit-learn returns 样本数据作为 numpy 数组而不是 pandas 数据
帧.
from sklearn.datasets import load_iris
iris = load_iris()
# `iris.data` holds the numerical values
# `iris.feature_names` holds the numerical column names
# `iris.target` holds the categorical (species) values (as ints)
# `iris.target_names` holds the unique categorical names
被子
Quilt 是一个数据集管理器，旨在促进 数据集管理。它包括许多常见的示例数据集，例如 several 来自 uciml 示例 存储库。 快速入门 第页展示了如何安装 并导入虹膜数据集：
# In your terminal
$ pip install quilt
$ quilt install uciml/iris
安装数据集后，可以在本地访问它，因此如果您想离线使用数据，这是最佳选择。
import quilt.data.uciml.iris as ir
iris = ir.tables.iris()
sepal_length sepal_width petal_length petal_width class
0 5.1 3.5 1.4 0.2 Iris-setosa
1 4.9 3.0 1.4 0.2 Iris-setosa
2 4.7 3.2 1.3 0.2 Iris-setosa
3 4.6 3.1 1.5 0.2 Iris-setosa
4 5.0 3.6 1.4 0.2 Iris-setosa
Quilt 还支持数据集版本控制并包含一个 short 每个数据集的描述。
内置pandas测试DataFrame非常方便。
makeMixedDataFrame():
In [22]: import pandas as pd
In [23]: pd.util.testing.makeMixedDataFrame()
Out[23]:
A B C D
0 0.0 0.0 foo1 2009-01-01
1 1.0 1.0 foo2 2009-01-02
2 2.0 0.0 foo3 2009-01-05
3 3.0 1.0 foo4 2009-01-06
4 4.0 0.0 foo5 2009-01-07
其他测试DataFrame选项：
makeDataFrame():
In [24]: pd.util.testing.makeDataFrame().head()
Out[24]:
A B C D
acKoIvMLwE 0.121895 -0.781388 0.416125 -0.105779
jc6UQeOO1K -0.542400 2.210908 -0.536521 -1.316355
GlzjJESv7a 0.921131 -0.927859 0.995377 0.005149
CMhwowHXdW 1.724349 0.604531 -1.453514 -0.289416
ATr2ww0ctj 0.156038 0.597015 0.977537 -1.498532
makeMissingDataframe()：
In [27]: pd.util.testing.makeMissingDataframe().head()
Out[27]:
A B C D
qyXLpmp1Zg -1.034246 1.050093 NaN NaN
v7eFDnbQko 0.581576 1.334046 -0.576104 -0.579940
fGiibeTEjx -1.166468 -1.146750 -0.711950 -0.205822
Q8ETSRa6uY 0.461845 -2.112087 0.167380 -0.466719
7XBSChaOyL -1.159962 -1.079996 1.585406 -1.411159
makeTimeDataFrame()：
In [28]: pd.util.testing.makeTimeDataFrame().head()
Out[28]:
A B C D
2000-01-03 -0.641226 0.912964 0.308781 0.551329
2000-01-04 0.364452 -0.722959 0.322865 0.426233
2000-01-05 1.042171 0.005285 0.156562 0.978620
2000-01-06 0.749606 -0.128987 -0.312927 0.481170
2000-01-07 0.945844 -0.854273 0.935350 1.165401