本学习记录参考`Joyful-Pandas`进行学习

pandas基础

知识点

问题与练习

1. 问题

【问题一】 Series和DataFrame有哪些常见属性和方法？

Series

属性方法	说明
s.values	访问s的内容
s.index	获取s的索引
s.iteritems()	获取索引和值对
s.dtype	获取s的数据类型
s[‘a’]	根据索引访问元素

DataFrame

属性方法	说明
df.index	访问行索引
df.columns	访问列索引
df.values	访问数据
df.shape	获取df的数据形状

【问题二】 value_counts会统计缺失值吗？

不会,统计缺失值可以使用df['columns'].isnull().value_counts()

【问题三】如果有多个索引同时取到最大值，idxmax会返回所有这些索引吗？如果不会，那么怎么返回这些索引？

不会，返回的是第一个最大值的索引；
可以使用maxindex = s[s==s.max()].index

【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

函数	功能
sum	求和
mean	均值
median	中位数
mad	均值差的绝对值
min	最小值
max	最大值
abs	绝对值
std	标准差
var	方差
quantile	分位数
cummax	到目前为止的最大值
cumsum	累加和
cumprod	累计积

【问题五】 df.mean(axis=1)是什么意思？它与df.mean()的结果一样吗？问题四提到的函数也有axis参数吗？怎么使用？

df.mean(axis=1)是df中行的平均值，df.mean()是列的平均值

【问题六】对值进行排序后，相同的值次序由什么决定？

由索引决定

【问题七】 Pandas中为各类基础运算也定义了函数，比如s1.add(s2)表示两个Series相加，但既然已经有了'+'，是不是多此一举？

add()包含 fill_value 参数，可以填充缺失值然后再相加

【问题八】如果DataFrame某一列的元素是numpy数组，那么将其保存到csv在读取后就会变成字符串，怎么解决？

df['columns'] = df['columns'].astype(np.float32)

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？

df = pd.read_csv('data/Game_of_Thrones_Script.csv')
df['Name'].nunique()
#564

（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？

df['Name'].value_counts()
'''
tyrion lannister      1760
jon snow              1133
daenerys targaryen    1048
cersei lannister      1005
jaime lannister        945
                      ... 
merry                    1
nights watchmen          1
willem                   1
greizhen                 1
unsullied captain        1
Name: Name, Length: 564, dtype: int64
'''

（c）以单词计数，谁说了最多的单词？（不是单句单词最多，是指每人说过单词的总数最多，为了简便，只以空格为单词分界点，不考虑其他情况）

df['Sentence'].str.len().value_counts().idxmax()
#22

【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？

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()
'''
(Jump Shot, Jump Shot)                             18880
(Layup Shot, Layup)                                 2567
(Driving Layup Shot, Layup)                         1978
                                                ........
(Driving Floating Bank Jump Shot, Jump Shot)           1
(Turnaround Fadeaway Bank Jump Shot, Jump Shot)        1
(Cutting Finger Roll Layup Shot, Layup)                1
dtype: int64
'''

（b）在所有被记录的game_id中，遭遇到最多的opponent是一个支？（由于一场比赛会有许多次投篮，但对阵的对手只有一个，本题相当于问科比和哪个队交锋次数最多）

df.groupby('game_id')['opponent'].unique().astype(str).value_counts()
'''
['SAS']    91
['PHX']    87
['UTA']    84
['DEN']    83
   .........
['VAN']    18
['NOP']    16
['BKN']     3
Name: opponent, dtype: int64
'''

本学习记录参考Joyful-Pandas进行学习