第1章 Pandas基础

import pandas as pd
import numpy as np

import pandas as pd
import numpy as np

查看Pandas版本

pd.__version__

'1.0.3'

pd.__version__

'1.0.3'

一、文件读取与写入

1. 读取

（a）csv格式

df = pd.read_csv('data/table.csv')
df.head()

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
0	S_1	C_1	1101	M	street_1	173	63	34.0	A+
1	S_1	C_1	1102	F	street_2	192	73	32.5	B+
2	S_1	C_1	1103	M	street_2	186	82	87.2	B+
3	S_1	C_1	1104	F	street_2	167	81	80.4	B-
4	S_1	C_1	1105	F	street_4	159	64	84.8	B+

df=pd.read_csv('data/table.csv')
df

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
0	S_1	C_1	1101	M	street_1	173	63	34.0	A+
1	S_1	C_1	1102	F	street_2	192	73	32.5	B+
2	S_1	C_1	1103	M	street_2	186	82	87.2	B+
3	S_1	C_1	1104	F	street_2	167	81	80.4	B-
4	S_1	C_1	1105	F	street_4	159	64	84.8	B+
5	S_1	C_2	1201	M	street_5	188	68	97.0	A-
6	S_1	C_2	1202	F	street_4	176	94	63.5	B-
7	S_1	C_2	1203	M	street_6	160	53	58.8	A+
8	S_1	C_2	1204	F	street_5	162	63	33.8	B
9	S_1	C_2	1205	F	street_6	167	63	68.4	B-
10	S_1	C_3	1301	M	street_4	161	68	31.5	B+
11	S_1	C_3	1302	F	street_1	175	57	87.7	A-
12	S_1	C_3	1303	M	street_7	188	82	49.7	B
13	S_1	C_3	1304	M	street_2	195	70	85.2	A
14	S_1	C_3	1305	F	street_5	187	69	61.7	B-
15	S_2	C_1	2101	M	street_7	174	84	83.3	C
16	S_2	C_1	2102	F	street_6	161	61	50.6	B+
17	S_2	C_1	2103	M	street_4	157	61	52.5	B-
18	S_2	C_1	2104	F	street_5	159	97	72.2	B+
19	S_2	C_1	2105	M	street_4	170	81	34.2	A
20	S_2	C_2	2201	M	street_5	193	100	39.1	B
21	S_2	C_2	2202	F	street_7	194	77	68.5	B+
22	S_2	C_2	2203	M	street_4	155	91	73.8	A+
23	S_2	C_2	2204	M	street_1	175	74	47.2	B-
24	S_2	C_2	2205	F	street_7	183	76	85.4	B
25	S_2	C_3	2301	F	street_4	157	78	72.3	B+
26	S_2	C_3	2302	M	street_5	171	88	32.7	A
27	S_2	C_3	2303	F	street_7	190	99	65.9	C
28	S_2	C_3	2304	F	street_6	164	81	95.5	A-
29	S_2	C_3	2305	M	street_4	187	73	48.9	B
30	S_2	C_4	2401	F	street_2	192	62	45.3	A
31	S_2	C_4	2402	M	street_7	166	82	48.7	B
32	S_2	C_4	2403	F	street_6	158	60	59.7	B+
33	S_2	C_4	2404	F	street_2	160	84	67.7	B
34	S_2	C_4	2405	F	street_6	193	54	47.6	B

（b）txt格式

df_txt = pd.read_table('data/table.txt') #可设置sep分隔符参数
df_txt

	col1	col2	col3	col4
0	2	a	1.4	apple
1	3	b	3.4	banana
2	6	c	2.5	orange
3	5	d	3.2	lemon

df_txt=pd.read_table('data/table.txt')
df_txt.head()

	col1	col2	col3	col4
0	2	a	1.4	apple
1	3	b	3.4	banana
2	6	c	2.5	orange
3	5	d	3.2	lemon

（c）xls或xlsx格式

#需要安装xlrd包
df_excel = pd.read_excel('data/table.xlsx')
df_excel.head()

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
0	S_1	C_1	1101	M	street_1	173	63	34.0	A+
1	S_1	C_1	1102	F	street_2	192	73	32.5	B+
2	S_1	C_1	1103	M	street_2	186	82	87.2	B+
3	S_1	C_1	1104	F	street_2	167	81	80.4	B-
4	S_1	C_1	1105	F	street_4	159	64	84.8	B+

df_excel=pd.read_excel('data/table.xlsx')
df_excel.head()

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
0	S_1	C_1	1101	M	street_1	173	63	34.0	A+
1	S_1	C_1	1102	F	street_2	192	73	32.5	B+
2	S_1	C_1	1103	M	street_2	186	82	87.2	B+
3	S_1	C_1	1104	F	street_2	167	81	80.4	B-
4	S_1	C_1	1105	F	street_4	159	64	84.8	B+

2. 写入

（a）csv格式

df.to_csv('data/new_table.csv')
#df.to_csv('data/new_table.csv', index=False) #保存时除去行索引

df.to_csv('data/new_table.csv')

（b）xls或xlsx格式

#需要安装openpyxl
df.to_excel('data/new_table2.xlsx', sheet_name='Sheet1')

df.to_excel('data/new_table2.xlsx',sheet_name='Sheet1')

二、基本数据结构

1. Series

（a）创建一个Series

对于一个Series，其中最常用的属性为值（values），索引（index），名字（name），类型（dtype）

s = pd.Series(np.random.randn(5),index=['a','b','c','d','e'],name='这是一个Series',dtype='float64')
s

a    0.302995
b    0.573438
c    0.536086
d    0.513209
e   -1.263579
Name: 这是一个Series, dtype: float64

s=pd.Series(np.random.randn(5),index=['a','b','c','d','e'],name='这是一个Series',dtype='float64')
s

a   -0.314615
b   -1.307312
c    0.721136
d    1.841850
e    0.521665
Name: 这是一个Series, dtype: float64

（b）访问Series属性

s.values
s.values

array([-0.31461451, -1.3073125 ,  0.7211358 ,  1.84184984,  0.52166547])

s.name
s.name

'这是一个Series'

s.index
s.index

Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

s.dtype
s.dtype

dtype('float64')

（c）取出某一个元素

将在第2章详细讨论索引的应用，这里先大致了解

s['a']
s['b']

-1.3073124966290814

（d）调用方法

s.mean()

0.1324296778903958

Series有相当多的方法可以调用：

print([attr for attr in dir(s) if not attr.startswith('_')])

['T', 'a', 'abs', 'add', 'add_prefix', 'add_suffix', 'agg', 'aggregate', 'align', 'all', 'any', 'append', 'apply', 'argmax', 'argmin', 'argsort', 'array', 'asfreq', 'asof', 'astype', 'at', 'at_time', 'attrs', 'autocorr', 'axes', 'b', 'between', 'between_time', 'bfill', 'bool', 'c', 'clip', 'combine', 'combine_first', 'convert_dtypes', 'copy', 'corr', 'count', 'cov', 'cummax', 'cummin', 'cumprod', 'cumsum', 'd', 'describe', 'diff', 'div', 'divide', 'divmod', 'dot', 'drop', 'drop_duplicates', 'droplevel', 'dropna', 'dtype', 'dtypes', 'duplicated', 'e', 'empty', 'eq', 'equals', 'ewm', 'expanding', 'explode', 'factorize', 'ffill', 'fillna', 'filter', 'first', 'first_valid_index', 'floordiv', 'ge', 'get', 'groupby', 'gt', 'hasnans', 'head', 'hist', 'iat', 'idxmax', 'idxmin', 'iloc', 'index', 'infer_objects', 'interpolate', 'is_monotonic', 'is_monotonic_decreasing', 'is_monotonic_increasing', 'is_unique', 'isin', 'isna', 'isnull', 'item', 'items', 'iteritems', 'keys', 'kurt', 'kurtosis', 'last', 'last_valid_index', 'le', 'loc', 'lt', 'mad', 'map', 'mask', 'max', 'mean', 'median', 'memory_usage', 'min', 'mod', 'mode', 'mul', 'multiply', 'name', 'nbytes', 'ndim', 'ne', 'nlargest', 'notna', 'notnull', 'nsmallest', 'nunique', 'pct_change', 'pipe', 'plot', 'pop', 'pow', 'prod', 'product', 'quantile', 'radd', 'rank', 'ravel', 'rdiv', 'rdivmod', 'reindex', 'reindex_like', 'rename', 'rename_axis', 'reorder_levels', 'repeat', 'replace', 'resample', 'reset_index', 'rfloordiv', 'rmod', 'rmul', 'rolling', 'round', 'rpow', 'rsub', 'rtruediv', 'sample', 'searchsorted', 'sem', 'set_axis', 'shape', 'shift', 'size', 'skew', 'slice_shift', 'sort_index', 'sort_values', 'squeeze', 'std', 'sub', 'subtract', 'sum', 'swapaxes', 'swaplevel', 'tail', 'take', 'to_clipboard', 'to_csv', 'to_dict', 'to_excel', 'to_frame', 'to_hdf', 'to_json', 'to_latex', 'to_list', 'to_markdown', 'to_numpy', 'to_period', 'to_pickle', 'to_sql', 'to_string', 'to_timestamp', 'to_xarray', 'transform', 'transpose', 'truediv', 'truncate', 'tshift', 'tz_convert', 'tz_localize', 'unique', 'unstack', 'update', 'value_counts', 'values', 'var', 'view', 'where', 'xs']

2. DataFrame

（a）创建一个DataFrame

df = pd.DataFrame({'col1':list('abcde'),'col2':range(5,10),'col3':[1.3,2.5,3.6,4.6,5.8]},index=list('一二三四五'))
df

	col1	col2	col3
一	a	5	1.3
二	b	6	2.5
三	c	7	3.6
四	d	8	4.6
五	e	9	5.8

df=pd.DataFrame({'col1':list('abcde'),'col2':range(5,10),'col3':[1.3,2.5,3.6,4.6,5.8]},index=list('一二三四五'))
df

	col1	col2	col3
一	a	5	1.3
二	b	6	2.5
三	c	7	3.6
四	d	8	4.6
五	e	9	5.8

（b）从DataFrame取出一列为Series

df['col1']
df['col1']

一    a
二    b
三    c
四    d
五    e
Name: col1, dtype: object

type(df)
type(df)

pandas.core.frame.DataFrame

type(df['col1'])
type(df['col1'])

pandas.core.series.Series

（c）修改行或列名

df.rename(index={'一':'one'},columns={'col1':'new_col1'})
df.rename(index={'一':'one'},columns={'col1':'new_col1'})

	new_col1	col2	col3
one	a	5	1.3
二	b	6	2.5
三	c	7	3.6
四	d	8	4.6
五	e	9	5.8

（d）调用属性和方法

df.index
df.index

Index(['一', '二', '三', '四', '五'], dtype='object')

df.columns
df.columns

Index(['col1', 'col2', 'col3'], dtype='object')

df.values
df.values

array([['a', 5, 1.3],['b', 6, 2.5],['c', 7, 3.6],['d', 8, 4.6],['e', 9, 5.8]], dtype=object)

df.shape
df.shape

(5, 3)

df.mean() #本质上是一种Aggregation操作，将在第3章详细介绍
df.mean()

col2    7.00
col3    3.56
dtype: float64

（e）索引对齐特性

这是Pandas中非常强大的特性，不理解这一特性有时就会造成一些麻烦

df1=pd.DataFrame({'A':[1,2,3]},index=[1,2,3])
df2=pd.DataFrame({'A':[1,2,3]},index=[1,3,2])
df1-df2

	A
1	0
2	-1
3	1

df1 = pd.DataFrame({'A':[1,2,3]},index=[1,2,3])
df2 = pd.DataFrame({'A':[1,2,3]},index=[3,1,2])
df1-df2 #由于索引对齐，因此结果不是0

	A
1	-1
2	-1
3	2

（f）列的删除与添加

对于删除而言，可以使用drop函数或del或pop

df.drop(index='五',columns='col1') #设置inplace=True后会直接在原DataFrame中改动

	col2	col3
一	5	1.3
二	6	2.5
三	7	3.6
四	8	4.6

test=df.drop(index='五')
test.drop(columns='col1')
df.drop(index='五',columns='col1')test.head()

	col1	col2	col3
一	a	5	1.3
二	b	6	2.5
三	c	7	3.6
四	d	8	4.6
五	e	9	5.8

df['col1']=[1,2,3,4,5]
del df['col1']
df

	col2	col3
一	5	1.3
二	6	2.5
三	7	3.6
四	8	4.6
五	9	5.8

pop方法直接在原来的DataFrame上操作，且返回被删除的列，与python中的pop函数类似

df['col1']=[1,2,3,4,5]
df.pop('col1')

一    1
二    2
三    3
四    4
五    5
Name: col1, dtype: int64

df['col1']=[1,2,3,4,5]
df.pop('col1')

一    1
二    2
三    3
四    4
五    5
Name: col1, dtype: int64

df

	col2	col3
一	5	1.3
二	6	2.5
三	7	3.6
四	8	4.6
五	9	5.8

可以直接增加新的列，也可以使用assign方法

df1['B']=list('abc')
df1['B']=list('abc')
df1

	A	B
1	1	a
2	2	b
3	3	c

df1.assign(C=pd.Series(list('def'),index=[1,2,3]))
#pd.Series(list('def'))

	A	C
1	1	d
2	2	e
3	3	f

但assign方法不会对原DataFrame做修改

df1

	A	B
1	1	a
2	2	b
3	3	c

（g）根据类型选择列

df

	col2	col3
一	5	1.3
二	6	2.5
三	7	3.6
四	8	4.6
五	9	5.8

df.select_dtypes(include=['number']).head()
df.select_dtypes(include=['number']).head()

	col2	col3
一	5	1.3
二	6	2.5
三	7	3.6
四	8	4.6
五	9	5.8

df.select_dtypes(include=['float']).head()
df.select_dtypes(include=['object']).head()

一
二
三
四
五

（h）将Series转换为DataFrame

s = df.mean()
s.name='to_DataFrame'
s

col2    7.00
col3    3.56
Name: to_DataFrame, dtype: float64

s=df.mean()
s.name='to_DataFrame'
s

col2    7.00
col3    3.56
Name: to_DataFrame, dtype: float64

s.to_frame()

col2    7.00
col3    3.56
Name: to_DataFrame, dtype: float64

使用T符号可以转置

s.to_frame().T
s.to_frame().T

	col2	col3
to_DataFrame	7.0	3.56

三、常用基本函数

从下面开始，包括后面所有章节，我们都会用到这份虚拟的数据集

df = pd.read_csv('data/table.csv')
df=pd.read_csv('data/table.csv')

1. head和tail

df.head()
df.head()

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
0	S_1	C_1	1101	M	street_1	173	63	34.0	A+
1	S_1	C_1	1102	F	street_2	192	73	32.5	B+
2	S_1	C_1	1103	M	street_2	186	82	87.2	B+
3	S_1	C_1	1104	F	street_2	167	81	80.4	B-
4	S_1	C_1	1105	F	street_4	159	64	84.8	B+

df.tail()
df.tail()

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
30	S_2	C_4	2401	F	street_2	192	62	45.3	A
31	S_2	C_4	2402	M	street_7	166	82	48.7	B
32	S_2	C_4	2403	F	street_6	158	60	59.7	B+
33	S_2	C_4	2404	F	street_2	160	84	67.7	B
34	S_2	C_4	2405	F	street_6	193	54	47.6	B

可以指定n参数显示多少行

df.head(3)
df.head(1)

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
0	S_1	C_1	1101	M	street_1	173	63	34.0	A+

2. unique和nunique

nunique显示有多少个唯一值

df['Physics'].nunique()
df['ID'].nunique()

35

unique显示所有的唯一值

df['Physics'].unique()
df['ID'].unique()

array([1101, 1102, 1103, 1104, 1105, 1201, 1202, 1203, 1204, 1205, 1301,1302, 1303, 1304, 1305, 2101, 2102, 2103, 2104, 2105, 2201, 2202,2203, 2204, 2205, 2301, 2302, 2303, 2304, 2305, 2401, 2402, 2403,2404, 2405], dtype=int64)

3. count和value_counts

count返回非缺失值元素个数

df['Physics'].count()
df['ID'].count()

35

value_counts返回每个元素有多少个

df['Physics'].value_counts()
df['Physics'].value_counts()

B+    9
B     8
B-    6
A     4
A+    3
A-    3
C     2
Name: Physics, dtype: int64

4. describe和info

info函数返回有哪些列、有多少非缺失值、每列的类型

df.info()
#df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 35 entries, 0 to 34
Data columns (total 9 columns):#   Column   Non-Null Count  Dtype
---  ------   --------------  -----  0   School   35 non-null     object 1   Class    35 non-null     object 2   ID       35 non-null     int64  3   Gender   35 non-null     object 4   Address  35 non-null     object 5   Height   35 non-null     int64  6   Weight   35 non-null     int64  7   Math     35 non-null     float648   Physics  35 non-null     object
dtypes: float64(1), int64(3), object(5)
memory usage: 2.6+ KB
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 35 entries, 0 to 34
Data columns (total 9 columns):#   Column   Non-Null Count  Dtype
---  ------   --------------  -----  0   School   35 non-null     object 1   Class    35 non-null     object 2   ID       35 non-null     int64  3   Gender   35 non-null     object 4   Address  35 non-null     object 5   Height   35 non-null     int64  6   Weight   35 non-null     int64  7   Math     35 non-null     float648   Physics  35 non-null     object
dtypes: float64(1), int64(3), object(5)
memory usage: 2.6+ KB

describe默认统计数值型数据的各个统计量

df.describe()
df.describe()

	ID	Height	Weight	Math
count	35.00000	35.000000	35.000000	35.000000
mean	1803.00000	174.142857	74.657143	61.351429
std	536.87741	13.541098	12.895377	19.915164
min	1101.00000	155.000000	53.000000	31.500000
25%	1204.50000	161.000000	63.000000	47.400000
50%	2103.00000	173.000000	74.000000	61.700000
75%	2301.50000	187.500000	82.000000	77.100000
max	2405.00000	195.000000	100.000000	97.000000

可以自行选择分位数

df.describe(percentiles=[.05, .25, .75, .95])
df.describe(percentiles=[.05,0.25,.85])

	ID	Height	Weight	Math
count	35.00000	35.000000	35.000000	35.000000
mean	1803.00000	174.142857	74.657143	61.351429
std	536.87741	13.541098	12.895377	19.915164
min	1101.00000	155.000000	53.000000	31.500000
5%	1102.70000	157.000000	56.100000	32.640000
25%	1204.50000	161.000000	63.000000	47.400000
50%	2103.00000	173.000000	74.000000	61.700000
85%	2304.90000	191.800000	87.600000	85.160000
max	2405.00000	195.000000	100.000000	97.000000

对于非数值型也可以用describe函数

df['Physics'].describe()
df['Physics'].describe()

count     35
unique     7
top       B+
freq       9
Name: Physics, dtype: object

5. idxmax和nlargest

idxmax函数返回最大值，在某些情况下特别适用，idxmin功能类似

df['Math'].idxmax()
df['Math'].idxmax()
#df['Math'].max()

5

nlargest函数返回前几个大的元素值，nsmallest功能类似

df['Math'].nlargest(3)
df['Math'].nlargest(5)

5     97.0
28    95.5
11    87.7
2     87.2
24    85.4
Name: Math, dtype: float64

6. clip和replace

clip和replace是两类替换函数

clip是对超过或者低于某些值的数进行截断

df['Math'].head()
df['Math'].head()

0    34.0
1    32.5
2    87.2
3    80.4
4    84.8
Name: Math, dtype: float64

df['Math'].clip(33,80).head()
df['Math'].clip(33,80).head()

0    34.0
1    32.5
2    87.2
3    80.4
4    84.8
Name: Math, dtype: float64

df['Math'].mad()
df['Math'].clip(33,80).mad()

15.021387755102042

replace是对某些值进行替换

df['Address'].head()
df['Address'].head()

0    street_1
1    street_2
2    street_2
3    street_2
4    street_4
Name: Address, dtype: object

df['Address'].replace(['street_1','street_2'],['one','two']).head()
df['Address'].replace(['street_1','street_2'],['one1','two']).head()

0        one1
1         two
2         two
3         two
4    street_4
Name: Address, dtype: object

通过字典，可以直接在表中修改

df.replace({'Address':{'street_1':'one','street_2':'two'}}).head()
df.replace({'Address':{'street_1':'one','street_2':'two'}}).head()

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
0	S_1	C_1	1101	M	one	173	63	34.0	A+
1	S_1	C_1	1102	F	two	192	73	32.5	B+
2	S_1	C_1	1103	M	two	186	82	87.2	B+
3	S_1	C_1	1104	F	two	167	81	80.4	B-
4	S_1	C_1	1105	F	street_4	159	64	84.8	B+

7. apply函数

apply是一个自由度很高的函数，在第3章我们还要提到

对于Series，它可以迭代每一列的值操作：

df['Math'].apply(lambda x:str(x)+'!').head() #可以使用lambda表达式，也可以使用函数
df['Math'].apply(lambda x:str(x)+'!').head()

0    34.0!?
1    32.5!?
2    87.2!?
3    80.4!?
4    84.8!?
Name: Math, dtype: object

对于DataFrame，它可以迭代每一个列操作：

df.apply(lambda x:x.apply(lambda x:str(x)+'!')).head() #这是一个稍显复杂的例子，有利于理解apply的功能
df.apply(lambda x:x.apply(lambda x:str(x)+'!')).head()

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
0	S_1!	C_1!	1101!	M!	street_1!	173!	63!	34.0!	A+!
1	S_1!	C_1!	1102!	F!	street_2!	192!	73!	32.5!	B+!
2	S_1!	C_1!	1103!	M!	street_2!	186!	82!	87.2!	B+!
3	S_1!	C_1!	1104!	F!	street_2!	167!	81!	80.4!	B-!
4	S_1!	C_1!	1105!	F!	street_4!	159!	64!	84.8!	B+!

四、排序

1. 索引排序

df.set_index('Math').head() #set_index函数可以设置索引，将在下一章详细介绍
df.set_index('Math').head()

	School	Class	ID	Gender	Address	Height	Weight	Physics
Math
34.0	S_1	C_1	1101	M	street_1	173	63	A+
32.5	S_1	C_1	1102	F	street_2	192	73	B+
87.2	S_1	C_1	1103	M	street_2	186	82	B+
80.4	S_1	C_1	1104	F	street_2	167	81	B-
84.8	S_1	C_1	1105	F	street_4	159	64	B+

df.set_index('Math').sort_index().head() #可以设置ascending参数，默认为升序，True
df.set_index('Math').sort_index().head()

	School	Class	ID	Gender	Address	Height	Weight	Physics
Math
31.5	S_1	C_3	1301	M	street_4	161	68	B+
32.5	S_1	C_1	1102	F	street_2	192	73	B+
32.7	S_2	C_3	2302	M	street_5	171	88	A
33.8	S_1	C_2	1204	F	street_5	162	63	B
34.0	S_1	C_1	1101	M	street_1	173	63	A+

2. 值排序

df.sort_values(by='Class').head()
df.sort_values(by='Math').head()

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
10	S_1	C_3	1301	M	street_4	161	68	31.5	B+
1	S_1	C_1	1102	F	street_2	192	73	32.5	B+
26	S_2	C_3	2302	M	street_5	171	88	32.7	A
8	S_1	C_2	1204	F	street_5	162	63	33.8	B
0	S_1	C_1	1101	M	street_1	173	63	34.0	A+

多个值排序，即先对第一层排，在第一层相同的情况下对第二层排序

df.sort_values(by=['Address','Height']).head()
df.sort_values(by=['Address','Height']).head()

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
0	S_1	C_1	1101	M	street_1	173	63	34.0	A+
11	S_1	C_3	1302	F	street_1	175	57	87.7	A-
23	S_2	C_2	2204	M	street_1	175	74	47.2	B-
33	S_2	C_4	2404	F	street_2	160	84	67.7	B
3	S_1	C_1	1104	F	street_2	167	81	80.4	B-

五、问题与练习

1. 问题

【问题一】 Series和DataFrame有哪些常见属性和方法？

【问题二】 value_counts会统计缺失值吗？

【问题三】 与idxmax和nlargest功能相反的是哪两组函数？

【问题四】 在常用函数一节中，由于一些函数的功能比较简单，因此没有列入，现在将它们列在下面，请分别说明它们的用途并尝试使用。

sum/mean/median/mad/min/max/abs/std/var/quantile/cummax/cumsum/cumprod

【问题五】 df.mean(axis=1)是什么意思？它与df.mean()的结果一样吗？第一问提到的函数也有axis参数吗？怎么使用？

2. 练习

【练习一】 现有一份关于美剧《权力的游戏》剧本的数据集，请解决以下问题：

（a）在所有的数据中，一共出现了多少人物？

（b）以单元格计数（即简单把一个单元格视作一句），谁说了最多的话？

（c）以单词计数，谁说了最多的单词？

(a)

df=pd.read_csv('data/Game_of_Thrones_Script.csv')
pd.read_csv('data/Game_of_Thrones_Script.csv').head()

	Release Date	Season	Episode	Episode Title	Name	Sentence
0	2011/4/17	Season 1	Episode 1	Winter is Coming	waymar royce	What do you expect? They're savages. One lot s...
1	2011/4/17	Season 1	Episode 1	Winter is Coming	will	I've never seen wildlings do a thing like this...
2	2011/4/17	Season 1	Episode 1	Winter is Coming	waymar royce	How close did you get?
3	2011/4/17	Season 1	Episode 1	Winter is Coming	will	Close as any man would.
4	2011/4/17	Season 1	Episode 1	Winter is Coming	gared	We should head back to the wall.

df['Name'].nunique()

564

(b)

df['Name'].value_counts().nlargest(1)

tyrion lannister    1760
Name: Name, dtype: int64

（c）

df_words=df.assign(Words=df['Sentence'].apply(lambda x:len(x.split())))
df_words.head()

	Release Date	Season	Episode	Episode Title	Name	Sentence	Words
0	2011/4/17	Season 1	Episode 1	Winter is Coming	waymar royce	What do you expect? They're savages. One lot s...	25
1	2011/4/17	Season 1	Episode 1	Winter is Coming	will	I've never seen wildlings do a thing like this...	21
2	2011/4/17	Season 1	Episode 1	Winter is Coming	waymar royce	How close did you get?	5
3	2011/4/17	Season 1	Episode 1	Winter is Coming	will	Close as any man would.	5
4	2011/4/17	Season 1	Episode 1	Winter is Coming	gared	We should head back to the wall.	7

法一

df_words.groupby('Name')['Words'].sum().sort_values().tail(1)

Name
tyrion lannister    26009
Name: Words, dtype: int64

法二

L_count={}
N_words=list(zip(df_words['Name'],df_words['Words']))
for i in N_words:if i[0] in L_count:L_count[i[0]]+=i[1]else:L_count[i[0]]=i[1]
max_name=max(L_count.keys(),key=(lambda k:L_count[k]))
print(max_name)

tyrion lannister

法三

L_count={}
N_words=list(zip(df_words['Name'],df_words['Words']))
for i in N_words:if i[0] in L_count:L_count[i[0]]+=i[1]else:L_count[i[0]]=i[1]
sorted(L_count.items(),key=(lambda k:k[1]),reverse=True)

[('tyrion lannister', 26009),('cersei lannister', 14442),('daenerys targaryen', 12358),('jon snow', 12298),('jaime lannister', 11735),('sansa stark', 8135),('petyr baelish', 7101),('davos', 6842),('arya stark', 6448),('varys', 6397),('tywin lannister', 5493),('theon greyjoy', 5054),('sam', 4574),('bronn', 4354),('jorah mormont', 4271),('brienne', 3923),('stannis baratheon', 3674),('robb stark', 3625),('olenna tyrell', 3320),('catelyn stark', 3303),('bran stark', 3296),('melisandre', 3283),('eddard stark', 3241),('ramsay bolton', 3229),('margaery tyrell', 3155),('joffrey lannister', 3024),('sandor clegane', 2760),('sparrow', 2700),('man', 2570),('robert baratheon', 2396),('daario', 2246),('ygritte', 2184),('tormund', 2037),('gendry baratheon', 1996),('missandei', 1953),('sam tarly', 1941),('oberyn martell', 1906),('yara greyjoy', 1840),('shae', 1803),('osha', 1660),('gilly', 1491),('roose', 1414),('jaqen hghar', 1406),('tommen lannister', 1381),('qyburn', 1321),('talisa', 1315),('podrick', 1295),('euron greyjoy', 1294),('grey worm', 1231),('mance', 1209),('thoros', 1177),('sandor', 1142),('beric', 1109),('alliser thorne', 1086),('walder', 1051),('shireen', 1029),('barristan', 942),('hot pie', 938),('yoren', 922),('marwyn', 895),('pycelle', 842),('lysa', 834),('xaro', 822),('loras', 813),('grand maester pycelle', 796),('qhorin', 793),('hizdahr', 790),('balon', 785),('viserys targaryen', 775),('luwin', 745),('locke', 734),('meera', 720),('randyll', 715),('ellaria', 709),('brynden', 703),('lancel', 693),('renly', 684),('ray', 677),('spice king', 676),('jeor mormont', 664),('grenn', 663),('jojen', 659),('edmure', 645),('petyr', 637),('alliser', 621),('ros', 617),('aemon', 615),('maester aemon', 612),('roose bolton', 602),('tycho', 600),('selyse', 592),('renly baratheon', 569),('lady crane', 568),('walder frey', 556),('lyanna', 556),('janos', 541),('doreah', 517),('doran', 515),('soldier', 512),('myranda', 508),('craster', 500),('dolorous edd', 495),('rickard karstark', 456),('syrio forel', 454),('mace', 447),('septon', 441),('matthos', 418),('woman', 404),('lysa arryn', 398),('waif', 391),('kevan', 389),('guard', 388),('farmer hamlet', 354),('tanner', 354),('orell', 344),('khal moro', 343),('polliver', 342),('maester luwin', 341),('alton', 341),('benjen', 329),('mirri maz duur', 329),('jeor', 307),('anguy', 297),('olyvar', 297),('kinvara', 294),('edd', 293),('viserys', 288),('loras tyrell', 288),('rast', 284),('pyp', 283),('robin', 277),('myrcella', 271),('mero', 269),('mossador', 267),('salladhor', 262),('benjen stark', 258),('barristan selmy', 258),('robett', 254),('ser dontos', 253),('men', 252),('septa mordane', 251),('olly', 245),('saan', 241),('jory cassel', 237),('izembaro', 228),('fennesz', 224),('smalljon', 221),('malko', 220),('lord royce', 219),('styr', 207),('janos slynt', 206),('maester', 206),('old nan', 205),('tyene', 205),('drogon', 205),('sallador', 204),('bobono', 204),('irri', 199),('threeeyed raven', 194),('wolkan', 193),('karl tanner', 190),('obara', 189),('greatjon umber', 187),('black walder', 187),('lord mormont', 186),('radzal mo eraz', 185),('roz', 179),('illyrio', 177),('pyat pree', 173),('dothraki matron', 170),('meryn', 169),('bloodrider', 168),('lady anya', 165),('aeron', 161),('maester pycelle', 154),('dagmer', 153),('lord', 150),('rodrik', 150),('moles town whore', 150),('rakharo', 149),('ed', 149),('lothar', 148),('frey soldier', 147),('all', 143),('lord of bones', 142),('meryn trant', 140),('haylene', 139),('yohn royce', 138),('karsi', 137),('dickon', 137),('kraznys', 136),('yezzan', 136),('ser jorah', 135),('marillion', 134),('royce', 133),('cressen', 131),('black lorren', 128),('melessa', 125),('old man', 120),('gold cloak', 119),('camello', 119),('nymeria', 118),('loboda', 118),('leader', 118),('will', 117),('razdal', 117),('clarenzo', 111),('lord varys', 109),('male singer', 109),('winterfell shepherd', 108),('trystane', 108),('kevan lannister', 106),('dying man', 105),('lady olenna', 105),('derryk', 104),('storyteller', 104),('wildling', 102),('qotho', 98),('wine merchant', 95),('violet', 94),('ralf', 94),('maggy', 93),('khal drogo', 90),('pyatt pree', 90),('drogo', 90),('harrag', 90),('rorge', 89),('mhaegen', 88),('dim dalba', 88),('young hodor', 87),('captain', 86),('rodrick cassel', 83),('rickon', 83),('kraznys mo nakloz', 83),('banker', 83),('eddark stark', 82),('rennick', 82),('lord karstark', 80),('talla', 80),('rider', 79),('slave owner', 77),('gatins', 75),('mountain', 74),('priestess', 72),('elaria', 72),('crowd', 71),('tobho mott', 70),('knight', 69),('khal', 69),('guard captain', 69),('quaith', 68),('glover', 68),('yohn', 68),('girl', 67),('morgan', 67),('red priest', 66),('alliser throne', 66),('maester wolkan', 65),('prostitute', 63),('prisoner', 63),('quorin', 63),('septa unella', 63),('quaithe', 62),('lollys stokeworth', 62),('manderly', 62),('announcer', 61),('all together', 61),('lady walda', 61),('amory', 59),('mordane', 58),('kovarro', 58),('prendahl', 58),('lancel lannister', 57),('robin arryn', 56),('vala', 54),('lollys', 53),('nights watchman', 52),('illyrio mopatis', 51),('steelshanks walton', 51),('wife', 51),('ladyc rane', 51),('blackfish', 50),('priest', 49),('archmaester', 49),('young ned', 48),('women', 47),('areo', 47),('black haired prostitute', 47),('lhazareen woman', 46),('pypar', 45),('pycell', 45),('aerson', 45),('red priestess', 45),('handmaiden', 44),('torturer', 44),('hizdahr zo loraq', 44),('jonos bracken', 43),('martyn', 43),('crayah', 43),('vardis egen', 42),('sam pyp and grenn', 42),('elder meereen slave', 42),('king joffrey', 41),('ser barristan', 41),('kings soldier', 41),('steward', 40),('hodor', 40),('drowned priest', 39),('child', 39),('shadow tower brother', 39),('arthur', 39),('reginald', 38),('harry', 38),('ser vardis', 37),('lommy greenhands', 37),('wounded soldier', 37),('tickler', 37),('frey guard', 37),('head', 37),('lem', 37),('dirah', 37),('mord', 36),('dornish lord', 36),('yarwyck', 36),('alliser thorn', 36),('thin man', 36),('melara', 35),('owner', 35),('lommy', 34),('pig farmer', 34),('militant', 34),('kingsguard', 34),('teela', 34),('maid', 33),('blacksmith', 33),('morag', 33),('leaf', 33),('rickard', 32),('cassel', 31),('messenger', 31),('kings landing page', 31),('waymar royce', 30),('kings landing guard', 30),('protester', 30),('frey men', 30),('bianca', 30),('nora', 30),('gared', 29),('rattleshirt', 29),('pyelle', 29),('rickon stark', 27),('marei', 27),('robb dwarf', 27),('braavosi man', 27),('mycah', 26),('rodrik cassel', 26),('othell yarwyck', 26),('farlen', 26),('young lyanna', 26),('unsullied', 25),('meereen slave', 25),('maester pycell', 25),('hugh of vale', 24),('whore', 24),('walda', 24),('colen', 23),('edmure roslin', 23),('guymon', 23),('rhaegar', 23),('leo lefford', 21),('balon dwarf', 21),('harpy', 21),('daisy', 20),('musician', 20),('moles town madam', 20),('mace tyrell', 20),('assassin', 19),('frey man', 19),('donnel', 19),('bolton bannerman', 19),('young man', 19),('shagga', 18),('joffrey dwarf', 18),('sissy', 18),('daario naharis', 18),('bolton officer', 18),('othell yarwick', 18),('umber', 18),('martha', 18),('masha heddle', 17),('master', 17),('wildling elder', 17),('young benjen', 17),('child of forest', 17),('belicho', 17),('lyanna mormont', 17),('owen', 17),('end', 16),('jacks', 16),('allister', 16),('attendant', 16),('stable boy', 15),('portan', 15),('ahsa', 15),('brother', 15),('vale knight', 15),('ser alliser', 14),('tansy', 14),('renly dwarf', 14),('master of arms', 14),('brothers', 14),('robett glover', 14),('little bird', 13),('street urchin', 13),('gerard', 13),('axell florent', 13),('bolton guard', 13),('grand maester pyrcelle', 13),('ellia', 13),('steward of house stark', 12),('stark guard', 12),('tribesmen of vale', 12),('warg', 12),('ranger', 12),('slaver', 12),('buer', 12),('septa', 12),('shouting', 12),('vicky', 12),('lannister soldier', 11),('mhaegan', 11),('silk king', 11),('morgans friend', 11),('manservant', 11),('lannister scout', 10),('kings landing baker', 10),('galbart glover', 10),('servant', 10),('greizhen', 10),('roslin', 10),('lord bolton', 10),('quick', 10),('strong', 10),('male voice', 10),('dothraki', 10),('bryndel', 10),('tell me something', 9),('kings guard', 9),('addam marbrand', 9),('group', 9),('janos slunt', 9),('slaves', 9),('client', 9),('listeners', 9),('brans voice', 9),('northman', 9),('everyone', 8),('stevron frey', 8),('stannis dwarf', 8),('ser vance', 8),('knight of house bracken', 7),('nights watch brother', 7),('rodrik cassal', 7),('populace', 7),('dolorous', 7),('rikon', 7),('pyattpree', 7),('cooper', 7),('bowen marsh', 7),('knight of house whent', 6),('nights watcher', 6),('several stark bannermen', 6),('mountian', 6),('everybody', 6),('daughter', 6),('hunters', 6),('mosador', 6),('bystanders', 6),('dothraki man', 6),('lyann', 6),('father', 6),('a voice', 5),('myrcella baratheon', 5),('rhakaro', 5),('deanerys targarian', 5),('ser rodrik', 5),('all three', 5),('timett', 5),('ironborn', 5),('innkeeper', 5),('white rat', 5),('buyer', 5),('brothel keeper', 5),('young rodrik', 5),('kevin', 5),('unsullied captain', 5),('barriston', 4),('unidentified nights watchers', 4),('cohollo', 4),('others at table', 4),('eddision', 4),('boy', 4),('willem', 4),('first mate', 4),('squire', 4),('merchant', 4),('sammy', 4),('wun wun', 4),('survivor', 4),('hooded figure', 4),('mistress', 4),('both', 4),('jonrobb', 3),('jhiqui', 3),('beric dondarrion', 3),('night watch stable boy', 3),('jaremy rykker', 3),('tomard', 3),('ryger rivers', 3),('armory', 3),('cuard', 3),('mar', 3),('tailor', 3),('ollys mother', 3),('lhara', 3),('together', 3),('nights watch', 3),('member', 3),('waitress', 3),('blonde prostitute', 3),('voice', 3),('ned alys', 3),('john royce', 3),('maryn trant', 2),('voices outside', 2),('stark bannermen', 2),('watchman', 2),('spice', 2),('quent', 2),('driver', 2),('merry', 2),('officer', 2),('dolrous edd', 2),('yarwick', 2),('thenn warg', 2),('sand snakes', 2),('karstark', 2),('waldery frey', 2),('archers', 2),('cold', 1),('title', 1),('main', 1),('karl', 1),('doloroud edd', 1),('slave buyer', 1),('giant', 1),('head prostitute', 1),('nights watchmen', 1),('dothraki woman', 1),('little sam', 1),('riverlands lord', 1),('dornish prince', 1),('ironborn lord', 1),('vale lord', 1)]

答案

df_words=df_words.sort_values(by='Name')
L_count=[]
N_words=list(zip(df_words['Name'],df_words['Words']))
for i in N_words:if i==N_words[0]:L_count.append(i[1])last=i[0]else:L_count.append(L_count[-1]+i[1] if i[0]==last else i[1])last=i[0]
df_words['Count']=L_count
df_words['Name'][df_words['Count'].idxmax()]

'tyrion lannister'

【练习二】现有一份关于科比的投篮数据集，请解决如下问题：

（a）哪种action_type和combined_shot_type的组合是最多的？

（b）在所有被记录的game_id中，遭遇到最多的opponent是一个支？

pd.read_csv('data/Kobe_data.csv',index_col='shot_id').head()
#index_col的作用是将某一列作为行索引

	action_type	combined_shot_type	game_event_id	game_id	lat	loc_x	loc_y	lon	minutes_remaining	period	...	shot_made_flag	shot_type	shot_zone_area	shot_zone_basic	shot_zone_range	team_id	team_name	game_date	matchup	opponent
shot_id
1	Jump Shot	Jump Shot	10	20000012	33.9723	167	72	-118.1028	10	1	...	NaN	2PT Field Goal	Right Side(R)	Mid-Range	16-24 ft.	1610612747	Los Angeles Lakers	2000/10/31	LAL @ POR	POR
2	Jump Shot	Jump Shot	12	20000012	34.0443	-157	0	-118.4268	10	1	...	0.0	2PT Field Goal	Left Side(L)	Mid-Range	8-16 ft.	1610612747	Los Angeles Lakers	2000/10/31	LAL @ POR	POR
3	Jump Shot	Jump Shot	35	20000012	33.9093	-101	135	-118.3708	7	1	...	1.0	2PT Field Goal	Left Side Center(LC)	Mid-Range	16-24 ft.	1610612747	Los Angeles Lakers	2000/10/31	LAL @ POR	POR
4	Jump Shot	Jump Shot	43	20000012	33.8693	138	175	-118.1318	6	1	...	0.0	2PT Field Goal	Right Side Center(RC)	Mid-Range	16-24 ft.	1610612747	Los Angeles Lakers	2000/10/31	LAL @ POR	POR
5	Driving Dunk Shot	Dunk	155	20000012	34.0443	0	0	-118.2698	6	2	...	1.0	2PT Field Goal	Center(C)	Restricted Area	Less Than 8 ft.	1610612747	Los Angeles Lakers	2000/10/31	LAL @ POR	POR

5 rows × 24 columns

(a)

df=pd.read_csv('data/Kobe_data.csv',index_col='shot_id')
pd.Series(list(zip(df['action_type'],df['combined_shot_type']))).value_counts().index[0]

('Jump Shot', 'Jump Shot')

(b)

就是每一个gameid对应一场比赛
每场比赛是一个对手，就问哪个对手遇到的最多

df['game_id'].unique()

array([20000012, 20000019, 20000047, ..., 49900086, 49900087, 49900088],dtype=int64)

df.groupby('game_id')['opponent'].unique().apply(lambda x:x[0]).value_counts().nlargest(1)
#pd.Series(list(zip(*pd.Series(list(zip(df['game_id'],df['opponent']))).unique().tolist())  )).value_counts().index[0]#nlargest(1)

SAS    91
Name: opponent, dtype: int64

df.groupby('game_id')['opponent'].unique().astype(str).value_counts().nlargest(1)

['SAS']    91
Name: opponent, dtype: int64

list(zip(df['game_id'],df['opponent']))
pd.Series(pd.Series(list(zip(df['game_id'],df['opponent']))).unique()).value_counts()#.tolist()

(29701127, GSW)    1
(20400915, CHA)    1
(20100440, DEN)    1
(21100169, CLE)    1
(20200372, PHI)    1..
(20200842, SEA)    1
(20700326, SAS)    1
(29601055, DEN)    1
(49700071, UTA)    1
(21200888, ATL)    1
Length: 1559, dtype: int64

pd.Series(list(list(zip(*(pd.Series(list(zip(df['game_id'],df['opponent']))).unique()).tolist()))[1])).value_counts().nlargest(1)

SAS    91
dtype: int64

思维导图来自队友阿布

第1章 Pandas基础相关推荐

1. pandas 第二章 pandas基础

   第二章 pandas基础 import numpy as np import pandas as pd import xlrd 在开始学习前,请保证pandas的版本号不低于如下所示的版本,否则请务必 ...

2. 第一章 Pandas基础

   第一章 Pandas基础 导入pandas与numpy模块: import pandas as pandas import numpy as np 查看pandas的版本: print(pd.__ve ...

3. joyful pandas第1章 Pandas基础

   joyful pandas第1章 Pandas基础 Learning Objective 理论部分 一.文件读取与写入 1. 读取 (a)csv格式 (b)txt格式 (c)xls或xlsx格式 2. ...

4. 第二章 pandas基础

   文章目录 前言 一.文件的读取和写入 1.文件读取 2.数据写入 二.基本数据结构 1.Series 2.DataFrame 三.常用基本函数 1. 汇总函数 2. 特征统计函数 3. 唯一值函数 4 ...

5. Pandas 基础知识

   目录 第二章 pandas基础 一.文件的读取和写入 1. 文件读取 2. 数据写入 二.基本数据结构 1. Series 2. DataFrame 三.常用基本函数 1. 汇总函数 2. 特征统计函 ...

6. Datawhale pandas学习任务二：pandas基础

   第二章Pandas基础 import numpy as np import pandas as pd pd.__version__ '1.1.3' 一.文件读取和写入 1.文件读取 read_csv ...

7. 快乐学习Pandas入门篇：Pandas基础

   Datawhale学习 作者:杨煜,Datawhale成员 寄语:本文对Pandas基础内容进行了梳理,从文件读取与写入.Series及DataFrame基本数据结构.常用基本函数及排序四个模块快速入 ...

8. 《利用python进行数据分析》读书笔记--第四章 numpy基础：数组和矢量计算

   第四章 Numpy基础:数组和矢量计算 第一部分:numpy的ndarray:一种多维数组对象 实话说,用numpy的主要目的在于应用矢量化运算.Numpy并没有多么高级的数据分析功能,理解Numpy ...

9. 数据载入、Pandas基础和探索性数据分析

   1. 载入数据及初步观察 1.1 载入数据 数据集下载 https://www.kaggle.com/c/titanic/overview 1.1.1 导入numpy和pandas import nu ...

10. Pandas入门篇：Pandas基础

    Datawhale学习 作者:杨煜,Datawhale成员 寄语:本文对Pandas基础内容进行了梳理,从文件读取与写入.Series及DataFrame基本数据结构.常用基本函数及排序四个模块快速入 ...

最新文章

1. Line上半年扭亏为盈 用户及营收遇瓶颈
2. Design Pattern - Factory Method（C#）
3. java基础知识之初识java
4. URAL 1055 Combinations
5. [BUUCTF-pwn]——ciscn_2019_s_3
6. php二维数组的取值与转换
7. 梁迪：源于热爱乐于分享，MVP代表圆桌会议
8. 建议收藏，详细篇 PyCharm 完美教程
9. php通过标识加锁,PHP通过加锁实现并发情况下抢码功能
10. 抹掉所有内容和设置 macOS Monterey这个新功能太好用
11. ofstream 向文件写数据
12. pve安装黑群晖直通硬盘_更新教程：群晖下直接挂载WINDOWS的NTFS格式硬盘，试验通过......
13. [转载] Python中的enumerate函数介绍
14. Thor HTTP 抓包嗅探分析接口调试网络协议
15. VC++ 6.0 中如何使用 CRT 调试功能来检测内存泄漏 调试方法
16. 代码维护服务器,维护服务器的利器-pubwin 2009程序代码
17. Excel VBA 操作键盘(如：移动方向键，上下左右等）
18. 惊奇！？嗖拉拉新品“魔法咖啡”号称“持续高能、轻松享瘦”
19. windows下开源免费waf防火墙，附可用资源包
20. android fragment 白屏,当应用Crash后fragment出现白屏

热门文章

1. matlab-高数 diff 二阶偏导数
2. 三极管单级放大器输入输出阻抗
3. Python教程：while 循环用法讲解
4. cf两边黑屏怎么解决win10_win10玩红警卡顿黑屏，这样解决，有些老游戏也可以借鉴哦
5. Mac中设置右键新建TXT文件
6. 关于MUI一个很实用的前端框架
7. Termux中proot-distro安装备份还原linux发行版笔记
8. 浏览器 - 监听浏览器刷新及关闭
9. 计算机管理工具怎么设置,电脑音频管理器怎么设置,教你电脑音频管理器怎么设置...
10. 不用校园网如何下载论文文献｜DOI号｜文献免费下载