Python库Pandas《Pandas Cookbook》第05章 BOOL索引

本文链接：https://blog.csdn.net/Asunqingwen/article/details/91786034

这是书籍《Pandas Cookbook》书籍第05章的代码复现，所有代码运行在Jupyter Notebook上，原讲解地址是：
https://www.jianshu.com/p/d67080f59b06
我上传代码的github地址是：
https://github.com/Asunqingwen/PandasCookbook.git
github上有该书中用到的data，里面代码会不定期更新（因为工作原因，时间不定），直到本书学习完成！
相比原讲解，会穿插一些自己的理解，水平有限，请各路大神指正。

1.计算BOOL值统计信息

这段主要是先通过比较运算，将DataFrame和Series内的元素转为BOOL类型，然后再进行响应的运算，得注意一下value_counts(normalize=True)这个函数，本来是统计个数的，加上normalize参数后，就变为统计频率了，之前第01章也有用到
在这里插入图片描述

2.构建多个BOOL条件

这段主要是多个条件比较，对应多个基于BOOL变量的数据结构，而多个BOOL条件也可以用位运算符组合
在这里插入图片描述

3.用BOOL索引过滤

结合BOOL条件，DataFrame之类的数据结构可以进行过滤，将符合BOOL条件的数据过滤出来
在这里插入图片描述

BOOL条件也可以结合loc来进行过滤
在这里插入图片描述

4.用标签索引代替BOOL索引

这段先是设置索引，然后通过loc来对相应的索引进行选择，对比运行时间，虽然设置索引会很费时间，但是索引只用设置一次，后面用loc来操作就快了
在这里插入图片描述

5.用唯一和有序索引选取

对比四种索引方式的运行时间——BOOL索引、无序行索引、有序行索引、唯一行索引，如果不算前期处理操作，四种索引方式的消耗时间依次减少
在这里插入图片描述

6.观察股价

选取股票收盘价最高和最低的10%
在这里插入图片描述

用了matplotlib中的plot()和hlines()函数——先用plot()将所有的收盘价在坐标轴中用黑色曲线绘制，然后用plot()单独将收盘价最高和最低的10%部分用灰色绘制，最后通过hlines()绘制水平直线，区分最高和最低的%10同其他区域
在这里插入图片描述

这里不同于上面用曲线颜色来区分，主要是区域填充不同颜色来区分——fill_between()可以在指定区域内用不同的颜色来区分，先将所以区域用黑色填充，然后将最高和最低的10%区域用灰色填充
在这里插入图片描述

7.翻译SQL的WHERE语句

这段没啥特殊，主要是看下导入数据的基本信息，有一个地方需要注意的是：列名也可以作为导入数据的属性，调用对应的属性名，可以获取对应列数据
在这里插入图片描述

主要是解释下sql语句——先从EMPLOYEE表中选取薪水80000-120000的人住的DEPARTMENT(这里应该还少了WHERE条件，即过滤出80000-120000的人)，然后将DEPARTMENT分组，并降序排列，选出前5条数据；之后将这5条数据的DEPARTMENT属性提取出来，然后从EMPLOYEE表中选取不属于这5个DEPARTMENT的数据
在这里插入图片描述

8.确定股票收益的正态值

这里主要涉及到了pct_change()函数——计算当前元素与先前元素相差的百分比，axis参数可以调整按行还是按列计算
在这里插入图片描述

经过z-score处理后，数据其实进行了标准化，使得数据整体分布符合标准正态分布
在这里插入图片描述

9.使用查询方法提高BOOL索引的可读性

查询语句逻辑上有点类似于人脑的查询逻辑，都是很直白的表述，只是如果要用到变量，就需要@符号来获取变量的值
在这里插入图片描述

10.用where方法保留Series

当我们用BOOL条件作为索引时，如果是[]运算符索引，索引出的数据会去掉符合False条件的数据，size可能比原数据小；如果用where()函数索引，索引除的数据会将符合False条件的数据用缺失值NaN代替，size和原数据一样大，如果不想用NaN代替，可以设置other参数，用指定的数据代替
在这里插入图片描述