pandas基础知识总结

@pandas基础知识总结

问题

【问题一】 Series和DataFrame有哪些常见属性和方法？

Series:

    value：获取数组的值
    index：获取索引
    name：series的name
    dtype：数组元素类型

Series()：创建Series
.drop()：删除指定项

Dataframe:

    Series属性
    columns：列索引（列名）

.rename()：修改行或列名
.pop()/.drop()：删除
.head()：取前n行/列
.tail()：取后n行/列
.unique()：显示所有的唯一值
.nunique：显示有多少个唯一值
.count()：返回非缺失值元素个数
.value_counts()：返回每个元素有多少个
.clip()：是对超过或者低于某些值的数进行截断
.replace()：是对某些值进行替换
.set_index()：索引排序
.sort_values()：值排序

【问题二】 value_counts会统计缺失值吗？

不会，value_counts只统计每个元素的数量，不统计缺失值

【问题三】 与idxmax和nlargest功能相反的是哪两组函数？

idxmax函数返回最大值，nlargest函数返回前几个大的元素值
功能相反的函数：idxmin：返回最小值，nsmallest：返回前几个大的元素值

【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/mean/median/mad/min/max/abs/std/var/quantile/cummax/cumsum/cumprod

sum()：对行/列求和
mean()：求平均值
median()：求中位数
mad()：根据平均值计算平均绝对利差
min()/max()：最小值/最大值
abs()：求绝对值
std()：求标准差
var()：求方差
quantile()：求分位数
cummax()：求累积最大值
cumsum()：求累加和
cumprod()：求累积乘积

【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=1：对行操作，axis=0：对列操作

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？

import pandas as pd
#从文件读取数据
df=pd.read_csv('C:\\Users\\74765\\Desktop\\joyful-pandas\\data\\Game_of_Thrones_Script.csv')
num_charactors=df['Name'].value_counts().size    #求一共出现多少人物

（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？

one_maxwords=df['Name'].value_counts().idxmax()     #求谁说了最多的话

（c）以单词计数，谁说了最多的单词？

for index in df.index:#统计每句台词的单词数
    words=df.loc[index,'Sentence']#提取台词
    nwords=words.split(" ")#按空格分离单词
    df.loc[index,'nwords']=len(nwords)#新建一列，存入对应台词的单词数

bool_list=df.duplicated(subset='Name')#判断是否人物是否重复，未重复为false，重复为true
df1=pd.Series(name='Name',index={0:num_charactors})#存放姓名，长度为人物总数
df2=pd.Series(name='nwords',index={0:num_charactors})#记录单词总数，与姓名对应
m=-1#索引
for index in df.index:
    if bool_list[index]==False:#如果未重复，则记录姓名和单词数
        m=m+1
        df1[m]=df.loc[index,'Name']
        df2[m]=df.loc[index,'nwords']
    else:#如果重复，则在相应位置累加单词数
        n=df1[df1.values==df.loc[index,'Name']].index #匹配姓名，返回索引
        df2.loc[n]+=df.loc[index,'nwords']
one_maxnwords=df1[df2.idxmax()]