Python机器学习手册：从数据预处理到深度学习

“数据整理（data wrangling）”是一个被广泛使用的词，经常用于描述将原始数据转换成整洁的、组织合理的形式以供使用的过程。对于我们而言，数据整理只是数据预处理中的一个步骤，但它是一个重要的步骤。

在“整理”数据时，最常用的数据结构是数据帧（data frame），它既直观又灵活。数据帧是呈表格状的，也就是说，就像你在数据表中看到的数据一样，数据帧是用行和列来表示数据的。下面给出一个用泰坦尼克号乘客的数据创建的数据帧：

在这个数据帧中有三件重要的事情需要注意。

第一，在一个数据帧中，每一行都对应一个观察值（例如，一位乘客），每一列都对应一个特征（性别、年龄等）。举个例子，通过查看第一个观察值可知，Elisabeth Walton Allen小姐住在头等舱，当年29岁，在灾难中活了下来。

第二，每一列有一个数据头（例如，Name、PClass、Age），每一行有一个索引（例如，这位幸运的Elisabeth Walton Allen小姐的索引号是0）。这些数据能用于选择及操作观察值与特征。

第三，Sex和SexCode这两列虽然用的是不同的表现形式，但是包含了同样的信息。在Sex列中，女性用字符串female表示，而在SexCode列中，女性用整数1表示。如果想让所有的特征都是唯一的，需要删除这两列中的一列。

在本章中，为了创建一组整洁、组织合理的观察值以供接下来的预处理之用，我们会调用pandas库，使用各种不同的方法来操作数据帧。