Pandas学习-Task04

Datawhale开源内容：https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch4.html#id2
我只能说有这么好的教程，并且可以跟着大佬一起学习的感觉真的太好了！！！群里解答疑惑真的很棒！！！

【写在前面】：

本次的笔记排版我借鉴了一下优秀笔记的排版👍，显得更有层次更清晰了👏。但是我的内容还是没有像优秀笔记们把所有知识点都列出来（他们真的很棒🌹），对于我的第一遍学习来说，我希望自己的重心在知识上，把时间更多的花在让自己用眼、脑将每章节的知识反复过脑子，不断让其产生联系，发生化学作用上。如果之后学习到一定程度，能把这些知识都消化到自己的肚子里的时候，我应该会选择将知识点按照自己的理解整理一遍。向优秀的群友学习哈哈哈😊～

注：本文会将练一练与练习题的思考过程和解答都记录下来，部分习题还自己增加了一点练习。

【练一练-01】：

根据上下四分位数分割，将体重分位high、normal、low三组，统计身高的均值。

【我的解答】：

我最开始只想只用本章节的知识来解决这个问题，但是发现并不能解决。并且通过思维导图部分，我们可以知道分组条件可以是列名，也可以是逻辑判断。这里既然要分为三组，那么普通的bool只有True和False就不能用啦。就得思考下，怎么才能通过逻辑判断让分组条件返回三个值。

在上一章节中，我们学到了逻辑替换，包括where和mask。那么我们就可以使用条件来替换返回的值啦。将三个分组的条件写为condition，然后再值替换为对应的三分组，最后再对该分组进行求均值。

condition1 = df.Weight < df.Weight.quantile(0.25)
condition2 = (df.Weight.quantile(0.25) <= df.Weight) & (df.Weight <= df.Weight.quantile(0.75))
condition3 = df.Weight > df.Weight.quantile(0.75)

lnh = df.Weight.mask(condition1, 'Low').mask(condition2, 'Normal').mask(condition3, 'High')
df.groupby(lnh)['Weight'].mean()

【补充思考】：

我发现，这里其实还有一个问题，因为男女身高的高矮评判标准是不一样的，所以更合理的处理应该是在增加一个性别的行索引，让其作为外层的行索引。

【我的解答】：

我首先的处理办法是将列名“Gender”与刚才的条件lnh同时作为分组依据来做，但是发现报错了：TypeError: ‘Series’ objects are mutable, thus they cannot be hashed。所以注意⚠️：不能同时将列名与条件作为分组依据，但是其中任何一个都可以单独作为分组依据。
在群里问了大佬后，处理办法为，先将刚才生成的那一列加到数据上，然后再同时使用两个列名来进行分组即可。

df.insert(df.shape[1], 'Weight-Group', lnh)
df.groupby(['Gender', 'Weight-Group'])['Weight'].mean()

【练一练-02】:

上一小节介绍了可以通过drop_duplicates得到具体的组类别，现请用groups属性完成类似的功能。

【我的解答】：

drop_duplicates 作用回顾：