《Python for Data Analysis》一书由Wes Mckinney所著，中文译名是《利用Python进行数据分析》。这里记录一下学习过程，其中有些方法和书中不同，是按自己比较熟悉的方式实现的。

第四个实例：USDA Food Database

简介：美国农业部（USDA）制作了一份有关食物营养信息的数据

数据下载地址： https://github.com/wesm/pydata-book/tree/2nd-edition/datasets/usda_food

准备工作：导入pandas和matplotlib，因为需要读取JSON格式的文件，因此这里还需要导入json模块

import pandas as pd
import json
import matplotlib.pyplot as plt
fig,ax=plt.subplots()

使用json模块打开database.json文件：

with open (r"C:\Users\ccav\Downloads\database.json") as f:data=json.load(f)

文件第一项就含有这么多内容：

[{'id': 1008, 'description': 'Cheese, caraway', 'tags': [], 'manufacturer': '', 'group': 'Dairy and Egg Products', 'portions': [{'amount': 1, 'unit': 'oz', 'grams': 28.35}], 'nutrients': [{'value': 25.18, 'units': 'g', 'description': 'Protein', 'group': 'Composition'}, {'value': 29.2, 'units': 'g', 'description': 'Total lipid (fat)', 'group': 'Composition'}, {'value': 3.06, 'units': 'g', 'description': 'Carbohydrate, by difference', 'group': 'Composition'}, {'value': 3.28, 'units': 'g', 'description': 'Ash', 'group': 'Other'}, {'value': 376.0, 'units': 'kcal', 'description': 'Energy', 'group': 'Energy'}, {'value': 39.28, 'units': 'g', 'description': 'Water', 'group': 'Composition'}, {'value': 1573.0, 'units': 'kJ', 'description': 'Energy', 'group': 'Energy'}, {'value': 0.0, 'units': 'g', 'description': 'Fiber, total dietary', 'group': 'Composition'}, {'value': 673.0, 'units': 'mg', 'description': 'Calcium, Ca', 'group': 'Elements'}, {'value': 0.64, 'units': 'mg', 'description': 'Iron, Fe', 'group': 'Elements'}, {'value': 22.0, 'units': 'mg', 'description': 'Magnesium, Mg', 'group': 'Elements'}, {'value': 490.0, 'units': 'mg', 'description': 'Phosphorus, P', 'group': 'Elements'}, {'value': 93.0, 'units': 'mg', 'description': 'Potassium, K', 'group': 'Elements'}, {'value': 690.0, 'units': 'mg', 'description': 'Sodium, Na', 'group': 'Elements'}, {'value': 2.94, 'units': 'mg', 'description': 'Zinc, Zn', 'group': 'Elements'}, {'value': 0.024, 'units': 'mg', 'description': 'Copper, Cu', 'group': 'Elements'}, {'value': 0.021, 'units': 'mg', 'description': 'Manganese, Mn', 'group': 'Elements'}, {'value': 14.5, 'units': 'mcg', 'description': 'Selenium, Se', 'group': 'Elements'}, {'value': 1054.0, 'units': 'IU', 'description': 'Vitamin A, IU', 'group': 'Vitamins'}, {'value': 262.0, 'units': 'mcg', 'description': 'Retinol', 'group': 'Vitamins'}, {'value': 271.0, 'units': 'mcg_RAE', 'description': 'Vitamin A, RAE', 'group': 'Vitamins'}, {'value': 0.0, 'units': 'mg', 'description': 'Vitamin C, total ascorbic acid', 'group': 'Vitamins'}, {'value': 0.031, 'units': 'mg', 'description': 'Thiamin', 'group': 'Vitamins'}, {'value': 0.45, 'units': 'mg', 'description': 'Riboflavin', 'group': 'Vitamins'}, {'value': 0.18, 'units': 'mg', 'description': 'Niacin', 'group': 'Vitamins'}, {'value': 0.19, 'units': 'mg', 'description': 'Pantothenic acid', 'group': 'Vitamins'}, {'value': 0.074, 'units': 'mg', 'description': 'Vitamin B-6', 'group': 'Vitamins'}, {'value': 18.0, 'units': 'mcg', 'description': 'Folate, total', 'group': 'Vitamins'}, {'value': 0.27, 'units': 'mcg', 'description': 'Vitamin B-12', 'group': 'Vitamins'}, {'value': 0.0, 'units': 'mcg', 'description': 'Folic acid', 'group': 'Vitamins'}, {'value': 18.0, 'units': 'mcg', 'description': 'Folate, food', 'group': 'Vitamins'}, {'value': 18.0, 'units': 'mcg_DFE', 'description': 'Folate, DFE', 'group': 'Vitamins'}, {'value': 93.0, 'units': 'mg', 'description': 'Cholesterol', 'group': 'Other'}, {'value': 18.584, 'units': 'g', 'description': 'Fatty acids, total saturated', 'group': 'Other'}, {'value': 8.275, 'units': 'g', 'description': 'Fatty acids, total monounsaturated', 'group': 'Other'}, {'value': 0.83, 'units': 'g', 'description': 'Fatty acids, total polyunsaturated', 'group': 'Other'}, {'value': 0.324, 'units': 'g', 'description': 'Tryptophan', 'group': 'Amino Acids'}, {'value': 0.896, 'units': 'g', 'description': 'Threonine', 'group': 'Amino Acids'}, {'value': 1.563, 'units': 'g', 'description': 'Isoleucine', 'group': 'Amino Acids'}, {'value': 2.412, 'units': 'g', 'description': 'Leucine', 'group': 'Amino Acids'}, {'value': 2.095, 'units': 'g', 'description': 'Lysine', 'group': 'Amino Acids'}, {'value': 0.659, 'units': 'g', 'description': 'Methionine', 'group': 'Amino Acids'}, {'value': 0.126, 'units': 'g', 'description': 'Cystine', 'group': 'Amino Acids'}, {'value': 1.326, 'units': 'g', 'description': 'Phenylalanine', 'group': 'Amino Acids'}, {'value': 1.216, 'units': 'g', 'description': 'Tyrosine', 'group': 'Amino Acids'}, {'value': 1.682, 'units': 'g', 'description': 'Valine', 'group': 'Amino Acids'}, {'value': 0.952, 'units': 'g', 'description': 'Arginine', 'group': 'Amino Acids'}, {'value': 0.884, 'units': 'g', 'description': 'Histidine', 'group': 'Amino Acids'}, {'value': 0.711, 'units': 'g', 'description': 'Alanine', 'group': 'Amino Acids'}, {'value': 1.618, 'units': 'g', 'description': 'Aspartic acid', 'group': 'Amino Acids'}, {'value': 6.16, 'units': 'g', 'description': 'Glutamic acid', 'group': 'Amino Acids'}, {'value': 0.439, 'units': 'g', 'description': 'Glycine', 'group': 'Amino Acids'}, {'value': 2.838, 'units': 'g', 'description': 'Proline', 'group': 'Amino Acids'}, {'value': 1.472, 'units': 'g', 'description': 'Serine', 'group': 'Amino Acids'}, {'value': 25.18, 'units': 'g', 'description': 'Protein', 'group': 'Composition'}, {'value': 29.2, 'units': 'g', 'description': 'Total lipid (fat)', 'group': 'Composition'}, {'value': 3.06, 'units': 'g', 'description': 'Carbohydrate, by difference', 'group': 'Composition'}, {'value': 3.28, 'units': 'g', 'description': 'Ash', 'group': 'Other'}, {'value': 376.0, 'units': 'kcal', 'description': 'Energy', 'group': 'Energy'}, {'value': 39.28, 'units': 'g', 'description': 'Water', 'group': 'Composition'}, {'value': 1573.0, 'units': 'kJ', 'description': 'Energy', 'group': 'Energy'}, {'value': 0.0, 'units': 'g', 'description': 'Fiber, total dietary', 'group': 'Composition'}, {'value': 673.0, 'units': 'mg', 'description': 'Calcium, Ca', 'group': 'Elements'}, {'value': 0.64, 'units': 'mg', 'description': 'Iron, Fe', 'group': 'Elements'}, {'value': 22.0, 'units': 'mg', 'description': 'Magnesium, Mg', 'group': 'Elements'}, {'value': 490.0, 'units': 'mg', 'description': 'Phosphorus, P', 'group': 'Elements'}, {'value': 93.0, 'units': 'mg', 'description': 'Potassium, K', 'group': 'Elements'}, {'value': 690.0, 'units': 'mg', 'description': 'Sodium, Na', 'group': 'Elements'}, {'value': 2.94, 'units': 'mg', 'description': 'Zinc, Zn', 'group': 'Elements'}, {'value': 0.024, 'units': 'mg', 'description': 'Copper, Cu', 'group': 'Elements'}, {'value': 0.021, 'units': 'mg', 'description': 'Manganese, Mn', 'group': 'Elements'}, {'value': 14.5, 'units': 'mcg', 'description': 'Selenium, Se', 'group': 'Elements'}, {'value': 1054.0, 'units': 'IU', 'description': 'Vitamin A, IU', 'group': 'Vitamins'}, {'value': 262.0, 'units': 'mcg', 'description': 'Retinol', 'group': 'Vitamins'}, {'value': 271.0, 'units': 'mcg_RAE', 'description': 'Vitamin A, RAE', 'group': 'Vitamins'}, {'value': 0.0, 'units': 'mg', 'description': 'Vitamin C, total ascorbic acid', 'group': 'Vitamins'}, {'value': 0.031, 'units': 'mg', 'description': 'Thiamin', 'group': 'Vitamins'}, {'value': 0.45, 'units': 'mg', 'description': 'Riboflavin', 'group': 'Vitamins'}, {'value': 0.18, 'units': 'mg', 'description': 'Niacin', 'group': 'Vitamins'}, {'value': 0.19, 'units': 'mg', 'description': 'Pantothenic acid', 'group': 'Vitamins'}, {'value': 0.074, 'units': 'mg', 'description': 'Vitamin B-6', 'group': 'Vitamins'}, {'value': 18.0, 'units': 'mcg', 'description': 'Folate, total', 'group': 'Vitamins'}, {'value': 0.27, 'units': 'mcg', 'description': 'Vitamin B-12', 'group': 'Vitamins'}, {'value': 0.0, 'units': 'mcg', 'description': 'Folic acid', 'group': 'Vitamins'}, {'value': 18.0, 'units': 'mcg', 'description': 'Folate, food', 'group': 'Vitamins'}, {'value': 18.0, 'units': 'mcg_DFE', 'description': 'Folate, DFE', 'group': 'Vitamins'}, {'value': 0.324, 'units': 'g', 'description': 'Tryptophan', 'group': 'Amino Acids'}, {'value': 0.896, 'units': 'g', 'description': 'Threonine', 'group': 'Amino Acids'}, {'value': 1.563, 'units': 'g', 'description': 'Isoleucine', 'group': 'Amino Acids'}, {'value': 2.412, 'units': 'g', 'description': 'Leucine', 'group': 'Amino Acids'}, {'value': 2.095, 'units': 'g', 'description': 'Lysine', 'group': 'Amino Acids'}, {'value': 0.659, 'units': 'g', 'description': 'Methionine', 'group': 'Amino Acids'}, {'value': 0.126, 'units': 'g', 'description': 'Cystine', 'group': 'Amino Acids'}, {'value': 1.326, 'units': 'g', 'description': 'Phenylalanine', 'group': 'Amino Acids'}, {'value': 1.216, 'units': 'g', 'description': 'Tyrosine', 'group': 'Amino Acids'}, {'value': 1.682, 'units': 'g', 'description': 'Valine', 'group': 'Amino Acids'}, {'value': 0.952, 'units': 'g', 'description': 'Arginine', 'group': 'Amino Acids'}, {'value': 0.884, 'units': 'g', 'description': 'Histidine', 'group': 'Amino Acids'}, {'value': 0.711, 'units': 'g', 'description': 'Alanine', 'group': 'Amino Acids'}, {'value': 1.618, 'units': 'g', 'description': 'Aspartic acid', 'group': 'Amino Acids'}, {'value': 6.16, 'units': 'g', 'description': 'Glutamic acid', 'group': 'Amino Acids'}, {'value': 0.439, 'units': 'g', 'description': 'Glycine', 'group': 'Amino Acids'}, {'value': 2.838, 'units': 'g', 'description': 'Proline', 'group': 'Amino Acids'}, {'value': 1.472, 'units': 'g', 'description': 'Serine', 'group': 'Amino Acids'}, {'value': 93.0, 'units': 'mg', 'description': 'Cholesterol', 'group': 'Other'}, {'value': 18.584, 'units': 'g', 'description': 'Fatty acids, total saturated', 'group': 'Other'}, {'value': 8.275, 'units': 'g', 'description': 'Fatty acids, total monounsaturated', 'group': 'Other'}, {'value': 0.83, 'units': 'g', 'description': 'Fatty acids, total polyunsaturated', 'group': 'Other'}, {'value': 25.18, 'units': 'g', 'description': 'Protein', 'group': 'Composition'}, {'value': 29.2, 'units': 'g', 'description': 'Total lipid (fat)', 'group': 'Composition'}, {'value': 3.06, 'units': 'g', 'description': 'Carbohydrate, by difference', 'group': 'Composition'}, {'value': 3.28, 'units': 'g', 'description': 'Ash', 'group': 'Other'}, {'value': 376.0, 'units': 'kcal', 'description': 'Energy', 'group': 'Energy'}, {'value': 39.28, 'units': 'g', 'description': 'Water', 'group': 'Composition'}, {'value': 1573.0, 'units': 'kJ', 'description': 'Energy', 'group': 'Energy'}, {'value': 0.0, 'units': 'g', 'description': 'Fiber, total dietary', 'group': 'Composition'}, {'value': 673.0, 'units': 'mg', 'description': 'Calcium, Ca', 'group': 'Elements'}, {'value': 0.64, 'units': 'mg', 'description': 'Iron, Fe', 'group': 'Elements'}, {'value': 22.0, 'units': 'mg', 'description': 'Magnesium, Mg', 'group': 'Elements'}, {'value': 490.0, 'units': 'mg', 'description': 'Phosphorus, P', 'group': 'Elements'}, {'value': 93.0, 'units': 'mg', 'description': 'Potassium, K', 'group': 'Elements'}, {'value': 690.0, 'units': 'mg', 'description': 'Sodium, Na', 'group': 'Elements'}, {'value': 2.94, 'units': 'mg', 'description': 'Zinc, Zn', 'group': 'Elements'}, {'value': 0.024, 'units': 'mg', 'description': 'Copper, Cu', 'group': 'Elements'}, {'value': 0.021, 'units': 'mg', 'description': 'Manganese, Mn', 'group': 'Elements'}, {'value': 14.5, 'units': 'mcg', 'description': 'Selenium, Se', 'group': 'Elements'}, {'value': 1054.0, 'units': 'IU', 'description': 'Vitamin A, IU', 'group': 'Vitamins'}, {'value': 262.0, 'units': 'mcg', 'description': 'Retinol', 'group': 'Vitamins'}, {'value': 271.0, 'units': 'mcg_RAE', 'description': 'Vitamin A, RAE', 'group': 'Vitamins'}, {'value': 0.0, 'units': 'mg', 'description': 'Vitamin C, total ascorbic acid', 'group': 'Vitamins'}, {'value': 0.031, 'units': 'mg', 'description': 'Thiamin', 'group': 'Vitamins'}, {'value': 0.45, 'units': 'mg', 'description': 'Riboflavin', 'group': 'Vitamins'}, {'value': 0.18, 'units': 'mg', 'description': 'Niacin', 'group': 'Vitamins'}, {'value': 0.19, 'units': 'mg', 'description': 'Pantothenic acid', 'group': 'Vitamins'}, {'value': 0.074, 'units': 'mg', 'description': 'Vitamin B-6', 'group': 'Vitamins'}, {'value': 18.0, 'units': 'mcg', 'description': 'Folate, total', 'group': 'Vitamins'}, {'value': 0.27, 'units': 'mcg', 'description': 'Vitamin B-12', 'group': 'Vitamins'}, {'value': 0.0, 'units': 'mcg', 'description': 'Folic acid', 'group': 'Vitamins'}, {'value': 18.0, 'units': 'mcg', 'description': 'Folate, food', 'group': 'Vitamins'}, {'value': 18.0, 'units': 'mcg_DFE', 'description': 'Folate, DFE', 'group': 'Vitamins'}, {'value': 0.324, 'units': 'g', 'description': 'Tryptophan', 'group': 'Amino Acids'}, {'value': 0.896, 'units': 'g', 'description': 'Threonine', 'group': 'Amino Acids'}, {'value': 1.563, 'units': 'g', 'description': 'Isoleucine', 'group': 'Amino Acids'}, {'value': 2.412, 'units': 'g', 'description': 'Leucine', 'group': 'Amino Acids'}, {'value': 2.095, 'units': 'g', 'description': 'Lysine', 'group': 'Amino Acids'}, {'value': 0.659, 'units': 'g', 'description': 'Methionine', 'group': 'Amino Acids'}, {'value': 0.126, 'units': 'g', 'description': 'Cystine', 'group': 'Amino Acids'}, {'value': 1.326, 'units': 'g', 'description': 'Phenylalanine', 'group': 'Amino Acids'}, {'value': 1.216, 'units': 'g', 'description': 'Tyrosine', 'group': 'Amino Acids'}, {'value': 1.682, 'units': 'g', 'description': 'Valine', 'group': 'Amino Acids'}, {'value': 0.952, 'units': 'g', 'description': 'Arginine', 'group': 'Amino Acids'}, {'value': 0.884, 'units': 'g', 'description': 'Histidine', 'group': 'Amino Acids'}, {'value': 0.711, 'units': 'g', 'description': 'Alanine', 'group': 'Amino Acids'}, {'value': 1.618, 'units': 'g', 'description': 'Aspartic acid', 'group': 'Amino Acids'}, {'value': 6.16, 'units': 'g', 'description': 'Glutamic acid', 'group': 'Amino Acids'}, {'value': 0.439, 'units': 'g', 'description': 'Glycine', 'group': 'Amino Acids'}, {'value': 2.838, 'units': 'g', 'description': 'Proline', 'group': 'Amino Acids'}, {'value': 1.472, 'units': 'g', 'description': 'Serine', 'group': 'Amino Acids'}, {'value': 93.0, 'units': 'mg', 'description': 'Cholesterol', 'group': 'Other'}, {'value': 18.584, 'units': 'g', 'description': 'Fatty acids, total saturated', 'group': 'Other'}, {'value': 8.275, 'units': 'g', 'description': 'Fatty acids, total monounsaturated', 'group': 'Other'}, {'value': 0.83, 'units': 'g', 'description': 'Fatty acids, total polyunsaturated', 'group': 'Other'}]}]

字典的键分别是'id', 'description', 'tags', 'manufacturer', 'group', 'portions', 'nutrients'。

其中nutrients一栏就含有N多内容，我们把文件第一项的nutrients一栏变成DataFrame格式看一下：

nutrients=pd.DataFrame(data[0]['nutrients'])

nutrients的前5行显示如下：

                            description        group    units     value
0                               Protein  Composition        g    25.180
1                     Total lipid (fat)  Composition        g    29.200
2           Carbohydrate, by difference  Composition        g     3.060
3                                   Ash        Other        g     3.280
4                                Energy       Energy     kcal   376.000

可以看出，原文件包含的内容太多，而且现有的格式不方便做数据分析。因此，我们接下来提取需要的数据，并转换其格式。

我们把'id', 'description', 'manufacturer', 'group'这四栏提取出来，并将其变为DataFrame格式：

info=pd.DataFrame(data, columns=['id', 'description', 'manufacturer', 'group'])

这是info的前5行：

     id                         description manufacturer  \
0  1008                     Cheese, caraway
1  1009                     Cheese, cheddar
2  1018                        Cheese, edam
3  1019                        Cheese, feta
4  1028  Cheese, mozzarella, part skim milk                group
0  Dairy and Egg Products
1  Dairy and Egg Products
2  Dairy and Egg Products
3  Dairy and Egg Products
4  Dairy and Egg Products

接下来让我们看一下每个食物类别分别包含多少数量的食物：

group_count=info["group"].value_counts()

这是group_count的前10行：

Vegetables and Vegetable Products    812
Beef Products                        618
Baked Products                       496
Breakfast Cereals                    403
Fast Foods                           365
Legumes and Legume Products          365
Lamb, Veal, and Game Products        345
Sweets                               341
Fruits and Fruit Juices              328
Pork Products                        328

属于蔬菜和蔬菜制品一类的食物是最多的。

但是info表没有包含营养成分这一栏（我们就是要分析食物的营养成分不是吗？），而nutrients表只有营养成分，却没有显示其对应的食物。因此，我们需要把这两张表结合起来。具体来说，就是先把每个食物的nutrients一栏提取出来，变成DataFrame格式，然后在上面添加对应的食物信息，最后把这些表用concat命令合并在一起。

nutrients=[]for rec in data:nutrient=pd.DataFrame(rec["nutrients"])nutrient["id"]=rec["id"]nutrient["food"]=rec["description"]nutrient["food_group"]=rec["group"]nutrients.append(nutrient)nutri_data=pd.concat(nutrients, ignore_index=True)

nutri_data的前10行显示如下：

                   description        group units    value    id  \
0                      Protein  Composition     g    25.18  1008
1            Total lipid (fat)  Composition     g    29.20  1008
2  Carbohydrate, by difference  Composition     g     3.06  1008
3                          Ash        Other     g     3.28  1008
4                       Energy       Energy  kcal   376.00  1008
5                        Water  Composition     g    39.28  1008
6                       Energy       Energy    kJ  1573.00  1008
7         Fiber, total dietary  Composition     g     0.00  1008
8                  Calcium, Ca     Elements    mg   673.00  1008
9                     Iron, Fe     Elements    mg     0.64  1008   food              food_group
0  Cheese, caraway  Dairy and Egg Products
1  Cheese, caraway  Dairy and Egg Products
2  Cheese, caraway  Dairy and Egg Products
3  Cheese, caraway  Dairy and Egg Products
4  Cheese, caraway  Dairy and Egg Products
5  Cheese, caraway  Dairy and Egg Products
6  Cheese, caraway  Dairy and Egg Products
7  Cheese, caraway  Dairy and Egg Products
8  Cheese, caraway  Dairy and Egg Products
9  Cheese, caraway  Dairy and Egg Products

这份数据文件每一列分别是：营养成分的名称，营养成分的类别，营养成分的计量单位，营养成分的含量，营养成分所对应的食物id，食物名称，食物类别。

接下来，我们先去除数据中的重复值和NA值，然后就可以开始进行分析了。

nutri_data=nutri_data.drop_duplicates()
nutri_data=nutri_data[nutri_data.notnull()]

比如，我们想要知道每个食物类别中各营养成分的中位数是多少，并从大到小进行排序。我们首先制作一个透视表，以食物类别为行，以营养成分为列，聚合函数为计算中位数：

nutrients_median=pd.pivot_table(nutri_data, values="value", index="food_group", columns="description", aggfunc="median")

这里选取锌元素（Zinc）在各食物类别中的含量中位数进行排序：

zinc_by_foodgroup=nutrients_median["Zinc, Zn"].sort_values(ascending=False)

food_group
Beef Products                        5.390
Lamb, Veal, and Game Products        3.940
Nut and Seed Products                3.290
Breakfast Cereals                    2.885
Spices and Herbs                     2.750
Poultry Products                     2.500
Pork Products                        2.320
Sausages and Luncheon Meats          2.130
Snacks                               1.470
Dairy and Egg Products               1.390
Fast Foods                           1.250
Legumes and Legume Products          1.140
Cereal Grains and Pasta              1.090
Ethnic Foods                         1.045
Restaurant Foods                     0.800
Finfish and Shellfish Products       0.670
Baked Products                       0.660
Meals, Entrees, and Sidedishes       0.630
Baby Foods                           0.590
Sweets                               0.360
Vegetables and Vegetable Products    0.330
Soups, Sauces, and Gravies           0.200
Fruits and Fruit Juices              0.100
Beverages                            0.040
Fats and Oils                        0.020
Name: Zinc, Zn, dtype: float64

将其画成柱形图：

ax.barh(range(25),zinc_by_foodgroup.values[::-1])
ax.set_yticks(range(25))
ax.set_xticks([i for i in range(7)])
ax.set_yticklabels(zinc_by_foodgroup.index.values[::-1])plt.show()

牛肉制品的锌含量中位数是最高的。

如果我们想知道各营养成分在哪种食物中含量最高呢？首先，我们以营养成分的类别和营养成分为行进行分组，并以食物为列，制作一个透视表。将此透视表转置，我们就可以轻松选取各营养成分的类别数据，在选中的营养成分的类别上使用idxmax()命令，就可以找出数值最大所对应的食物是哪个了。（注：idxmax()用于DataFrame，argmax()用于Series）

table=pd.pivot_table(nutri_data, values="value", index=["group","description"], columns="food")
max_amino_acids=table.T["Amino Acids"].idxmax()

这里选取Amino Acids这一类别，可以看到第一行营养成分Alanine（丙氨酸）在Gelatins, dry powder, unsweetened食物内含量最高。

description
Alanine                           Gelatins, dry powder, unsweetened
Arginine                               Seeds, sesame flour, low-fat
Aspartic acid                                   Soy protein isolate
Cystine                Seeds, cottonseed flour, low fat (glandless)
Glutamic acid                                   Soy protein isolate
Glycine                           Gelatins, dry powder, unsweetened
Histidine                Whale, beluga, meat, dried (Alaska Native)
Hydroxyproline    KENTUCKY FRIED CHICKEN, Fried Chicken, ORIGINA...
Isoleucine        Soy protein isolate, PROTEIN TECHNOLOGIES INTE...
Leucine           Soy protein isolate, PROTEIN TECHNOLOGIES INTE...
Lysine            Seal, bearded (Oogruk), meat, dried (Alaska Na...
Methionine                    Fish, cod, Atlantic, dried and salted
Phenylalanine     Soy protein isolate, PROTEIN TECHNOLOGIES INTE...
Proline                           Gelatins, dry powder, unsweetened
Serine            Soy protein isolate, PROTEIN TECHNOLOGIES INTE...
Threonine         Soy protein isolate, PROTEIN TECHNOLOGIES INTE...
Tryptophan         Sea lion, Steller, meat with fat (Alaska Native)
Tyrosine          Soy protein isolate, PROTEIN TECHNOLOGIES INTE...
Valine            Soy protein isolate, PROTEIN TECHNOLOGIES INTE...
dtype: object

转载于:https://www.cnblogs.com/HuZihu/p/10163341.html

数据分析---《Python for Data Analysis》学习笔记【04】相关推荐

  1. python 数据分析 百度网盘_[百度网盘]利用Python进行数据分析(Python For Data Analysis中文版).pdf - Jan-My31的博客 - 磁力点点...

    利用Python进行数据分析(Python For Data Analysis中文版).pdf - Jan-My31的博客 2018-5-27 · 链接:https://pan.baidu.com/s ...

  2. DSE200:Python for Data Science 学习笔记（三）

    Using Python 一些小Tips 1.Dynamic typing python变量不需要直接指定变量类型 2.Object 例1:x=3时 python先在堆上创建一个PyIntObject ...

  3. Python for Data Analysis 学习心得（二） - pandas介绍

    一.pandas介绍 本篇程序上篇内容,在numpy下面继续介绍pandas,本书的作者是pandas的作者之一.pandas是非常好用的数据预处理工具,pandas下面有两个数据结构,分别为Seri ...

  4. whole-genome-sequencing Data Analysis 学习笔记2 软件安装

    1.测序数据大小计算公式: 人类基因组(30亿个碱基)X 30(测序深度)=900亿个碱基(1800亿个字母) 900亿个碱基/150(测序策略PE150)=6亿条reads 6亿条reads X 4 ...

  5. 数据分析与爬虫实战视频——学习笔记（一）（python基础、urllib、超时设置、自动模拟HTTP请求、异常处理、浏览器伪装、代理服务器、新闻爬虫、淘宝登陆和图片爬取）

    未经允许,请勿转载. 连载未完成状态 网址: [数据挖掘]2019年最新python3 数据分析与爬虫实战_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili https://www.bilibili ...

  6. 23神经网络 :唐宇迪《python数据分析与机器学习实战》学习笔记

    唐宇迪<python数据分析与机器学习实战>学习笔记 23神经网络 1.初识神经网络 百度深度学习研究院的图,当数据规模较小时差异较小,但当数据规模较大时深度学习算法的效率明显增加,目前大 ...

  7. Python for Data Analysis

    本文只是一篇类似导向性的分享, 并没有原创内容, 主要是书籍和网络资源的整理, 仅供参考. 可能会有后续补充更新. 资源 A Byte of Python 这是给没有使用过 Python 的人员的入门 ...

  8. openCVPracticalExercise学习笔记04

    原创:openCVPracticalExercise学习笔记04 30使用OpenCV实现图像孔洞填充 31使用OpenCV将一个三角形仿射变换到另一个三角形 1 2 3 4 5 6 7 8 9 10 ...

  9. python气象数据可视化学习笔记6——利用python地图库cnmaps绘制地图填色图并白化

    文章目录 1. 效果图 2. cnmaps简介及安装 2.1 写在前面 2.2 cnmaps简介和安装 3. 导入库 4. 定义绘图函数 4.1 使用get_adm_maps返回地图边界 4.2 ax ...

最新文章

  1. PMcaff活动 | 汪培公：农村电商模式的重新思考
  2. Taro+react开发（100):问答模块07适配
  3. 【BZOJ2908】又是nand 树链剖分+线段树
  4. python中哪里用到缩进_建筑防火中各类门的总结归纳！乙级门？甲级门？都哪里用到了！...
  5. Linux(CentOS)网络流量实时监控（iftop）
  6. Java 高级算法——数组中查询重复的数字之二
  7. Java翻译byte数据,java学习|图说String(二):基于byte数组的String方法调用
  8. [转载] 如何使用 Python 生成酷炫的二维码？
  9. 刷面经笔记2019.01.30
  10. 工作量证明生态的现状与运行原理
  11. 用CE修改植物大战僵尸阳光值
  12. 《人类的演化》读书笔记
  13. 二维彩虹和你一起看见更大的世界
  14. 云南省增值税发票综合平台（新网址）：https://fpdk.yunnan.chinatax.gov.cn/
  15. Android TV TIF源码阅读笔记
  16. 朗伯余弦定律（Lambert‘s Cosine Law)
  17. Spark Core源码精读计划 番外篇A：AppStatusStore的底层实现
  18. QT入门项目--简易计算器
  19. CIO：2013年OA选型六步走(摘)
  20. 第三篇：基于深度学习的人脸特征点检测 - 数据集整理

热门文章

  1. Vue body样式修改
  2. Jyputer 项目工程设置Github同步，本地代码上传Github实例演示
  3. c++读取txt中每行的数据到数组中
  4. 协变逆变java_Java中的逆变与协变
  5. \00在python中
  6. 【2018年更新】Sublime text 3安装教程（Windows版本）
  7. 第一章：1.2.3 LTI系统研究方法与本章小结
  8. 2-数组中重复的数字
  9. redis数据库入门
  10. Javascript非构造函数的继承