Pandas基础——第一次打卡

目前pandas最新版本1.0.3

文件读取和写入

读取

pandas 能读取csv ,txt ,xls或者xls格式的文件。

写入

pandas 能写入csv ,xls或者xls格式的文件。

基本数据结构

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）

DataFrame

就是表

常用基本函数

head和tai、unique和nunique、count和value_counts、describe和info、idxmax和nlarges（idxmax函数返回最大值，在某些情况下特别适用，idxmin功能类似；nlargest函数返回前几个大的元素值，nsmallest功能类似）、clip和replace（clip和replace）、apply（后加匿名函数）

排序

索引排序

表.set_index(‘索引’).head()

值排序

表.sort_values(by=‘Class’).head()

问题

【问题一】 Series和DataFrame有哪些常见属性和方法？

Series属性为值（values），索引（index），名字（name），类型（dtype）
Series方法有Series.values 返回值；Series.name 返回命名；Series.index返回索引；Series.dtype 返回数据类型；Series[‘a’]返回a的值；Series.mean()返回平均数等

DataFrame的属性有列和索引，与表格相同
DataFrame的方法有常用方法为统计数据，描述数据有describe和info、idxmax和nlarges（idxmax函数返回最大值，在某些情况下特别适用，idxmin功能类似；nlargest函数返回前几个大的元素值，nsmallest功能类似）、groupby等

【问题二】 value_counts会统计缺失值吗？

可以

【问题三】 与idxmax和nlargest功能相反的是哪两组函数？

nsmallest():返回最小的数
idxmin():返回最小数的索引

【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：求和
mean: 求平均值
median: 中位数
mad: 根据平均值计算平均绝对离差
min: 最小值
max: 最大值
abs: 绝对值
std: 标准差
var: 方差
quantile: P分位数，常见为四分位
cummax: 取每一列的最大
cumsum: 每一列累加
cumprod： 对每一列累乘
diff: 一阶差分
pct_change: 百分数变化
corr: 计算列一列的相关性，不计算包括NA / null值的列

【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？

df.mean(axis=1)是表示在列的水平方向算均值
df.mean()是表示在列方向算均值

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？
a[‘Name’].unique()
（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？
a.groupby([‘Name’])[‘Sentence’].count()
（c）以单词计数，谁说了最多的单词？
df_words = df.assign(Words=df[‘Sentence’].apply(lambda x:len(x.split()))).sort_values(by=‘Name’)

练习二

b.groupby([‘action_type’,‘combined_shot_type’]).count()