第1章 Pandas基础

一、基础知识

1、读取：df = pd.read_csv('data/table.csv')

2、写入：df.to_csv('data/new_table.csv')【可用于结果输出】

二、基本数据结构

series && dataframe

series的属性：

.values;

.name

.index

.dtype

series方法：

mean();

dataframe属性：

.index

.columns.

.values

.shape【返回几行几列】

dataframe方法：

mean();std();sum();....

三、常用基本函数

1. head和tail

2. unique和nunique

3. count和value_counts

4. describe和info

5. idxmax和nlargest

6. clip和replace

四、作业

1. 问题

【问题一】 Series和DataFrame有哪些常见属性和方法？

属性：Size shape dtypes index columns

方法：Head tail rename(更改行中的数据) replace unique_values sort_values describe max\min\sum\mean

【问题二】 value_counts会统计缺失值吗？

不能

【问题三】 与idxmax和nlargest功能相反的是哪两组函数？

idmax（返回最大值）——idxmin（返回最小值）

nlargest（返回前几个大的元素值）——nsmallest（返回前几个小的元素值）

【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：

• df.sum()：计算和，axis=0 按列计算，axis=1 按行计算，默认axis=0。

mean

• df.mean()：计算平均值，axis=0 按列计算，axis=1 按行计算，默认axis=0。

median

• df.median()：计算中位数，axis=0 按列计算，axis=1 按行计算，默认axis=0。

mad

• df.mad()：根据平均值计算平均绝对偏差，axis=0 按列计算，axis=1 按行计算，默认axis=0。

min

• df.min()：计算最小值，axis=0 按列计算，axis=1 按行计算，默认axis=0。

max

• df.max()：计算最大值，axis=0 按列计算，axis=1 按行计算，默认axis=0。

abs

• df.abs()：计算绝对值，axis=0 按列计算，axis=1 按行计算，默认axis=0。

std

• df.std()：计算标准差，axis=0 按列计算，axis=1 按行计算，默认axis=0。

var

• df.var()：计算方差，axis=0 按列计算，axis=1 按行计算，默认axis=0。

quantile

     quantile(q=0.75),→ quantile统计分位数，参数q确定位置

cummax：依次给出前1、2.。。n个数的最大值

cumsum

• df.cumsum()：计算累计求和，axis=0 按列计算，axis=1 按行计算，默认axis=0。

cumprod：依次给出前1、2.。。n个数的积

【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？

axis=0 按列计算，axis=1 按行计算，默认axis=0。

 

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？

【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？