pandas面试基础

阅读路线：

• 准备工作
• 生成对象
• 索引
• 选择需要的数据
• 运算
• 合并（merge）
• 分组（grouping）
• 重塑（reshaping）
• 数据透视表（pivot tables）
• pandas DataFrame里的操作

一、准备工作

import numpy as np
import pandas as pd

在进行下面的题目操作时，一定要先导入上面的两个数据分析包pandas、numpy

二、生成对象

1、如何用Python的列表创建一个series

s = pd.Series([1, 3, 5, np.nan, 6, 8])

输出：

series是一个一维的标记数组，可以容纳任何数据类型（整数、字符串、浮点数、Python对象等）。必须记住，与Python列表不同，一个series总是包含相同类型的数据。

2.如何使用列表创建一个DataFrame

#导入pandas
import pandas as pd

#字符串列表
lst = ["Gamer47", "Shox", "Simple"]

#在列表中调用DataFrame构造函数
df = pd.DataFrame(lst)

输出：

3.如何使用Series字典对象生成DataFrame

df2 = pd.DataFrame({
   'A': 1.,
                    'B': pd.Timestamp('20130102'),
                    'C': pd.Series(1, index = list(range(4)), dtype='float32'),
                    'D': np.array([3] * 4, dtype = 'int32'),
                    'E': pd.Categorical(["test", "train", "test", "train"]),
                    'F': 'foo'})

输出：

4.如何在pandas中创建一个空的DataFrame

要创建一个完全空的pandas dataframe，我们使用以下操作：

import pandas as pd
df = pd.DataFrame()

输出：

三、查看数据：

已知有这样的数据，如何进行查看

dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index = dates, columns = list('ABCD'))

输出：

1.如何查看头部数据

2.如何查看尾部数据

3.如何快速查看数据的统计摘要

4.如何查询索引和列名

四、索引

1.简述Pandas Index

在pandas中建立索引意味着简单地从DataFrame中选择特定地数据行和列。
pandas支持四种类型的多轴索引，它们是：

• DataFrame.[ ]：此函数称为索引运算符
• DataFrame.loc[ ]：此函数用于标签
• DataFrame.iloc[ ]：此函数用于基于位置或整数的
• DataFrame.ix[ ]：此函数用于基于标签和整数的

它们统称为索引器。这些是迄今为止索引数据最常见的方法。这四个函数有助于从DataFrame获取元素、行和列。

2.Pandas定义重新索引（reindexing）

重新索引会更改DataFrame的行标签和列标签。重新索引意味着使数据符合特定轴上给定的一组标签。
多个操作可以通过像这样的索引来完成：

• 重新排列现有数据以匹配一组新的标签。
• 在不存在标签数据的标签位置插入缺失值（NA）标记。

import pandas as pd
import numpy as np
N = 20
df = pd.DataFrame({
   
    'A': pd.date_range(start='2016-01-01', periods = N, freq = 'D'),
    'x': np.linspace(0, stop=N-1, num=N),
    'y': np.random.rand(N),
    'C': np.random.choice(['Low', 'Medium', 'High']),
    'D': np.random.normal(100, 10, size=(N)).tolist()
})

df_reindexed = df.reindex(index=[0, 2, 5], columns=['A', 'C', 'B'])
print(df_reindexed)

输出：

3.如何设置索引

panda set_index()是一种将列表、序列或dataframe设置为dataframe索引的方法。
语法：
DataFrame.set_index(keys, inplace=False)
参数：

• keys：列标签或列标签/数组列表，需要设置为索引的列
• inplace：默认为False，适当修改DataFrame（不需要创建新对象）

改变索引列
在本例中，名称列被用作DataFrame的索引列

import pandas as pd

#读取csv文本文件到DataFrame变量中
data = pd.read_csv("employees.csv")
data.set_index("first_name", inplace=True)

#观察数据
data.head()

输出：
如输出图像所示，以前索引列是一系列数字

改变索引列后，索引列是给定的索引列

4.如何重置索引

Pandas Series.reset_index()
函数的作用是：生成一个新的DataFrame或带有重置索引的Series。

例1：使用Series.reset_index()函数重置给定Series对象的索引

#导入pandas包
import pandas as pd 

#创建Series
sr = pd.Series([10, 25, 3, 11, 24, 6])
#创建索引
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
#设置索引
sr.index = index_
#打印series
print(sr)

输出：

现在，我们将使用Series.reset_index()函数来重置给定的series对象的索引

#重置索引
result = sr.reset_index()
#打印
print(result)

输出：

从输出中可以看到，该Series.reset_index()函数已将给定Series对象的索引重置为默认值。它保留了索引，并将其转换为列。

五、选择需要的数据

1.获取数据

1.1先创建数据

dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))

1.2选择单列，产生Series

1.3用[ ]切片行：

2.按标签选择

2.1用标签提取一行数据：

2.2用标签选择多列数据：

2.3用标签切片，包含行与列结束点：

2.4返回对象降维：

2.5提取标量值：

2.6快速访问标量，与上述方法等效：

3.按位置选择

3.1用整数位置选择：

3.2 类似NumPy/Python，用整数切片：

3.3 类似NumPy/Python，用整数列表按位置切片：

3.4 显示整行切片：

3.5 显示整列切片：

3.6 显示提取值：

3.7 快速访问标量，与上诉方法等效：

4.布尔索引

4.1用单列的值选择数据：

4.2 选择DataFrame里满足条件的值：

4.3 用isin()筛选：

5.赋值

5.1用索引自动对齐新增列的数据：

5.2 按标签赋值：

5.3 按位置赋值：

5.4 按NumPy数组赋值