【DS实践 | Coursera】Quzi 总结 | Introduction to Data Science in Python

---

前言

本章内容主要记录了4周内的Quiz遇到的一些值得注意的点。

---

一、Quiz1

  本题需要注意的点是，在np的array矩阵中，我们发现reshape中，加不加第二个参数是有区别的，我们来看一下：

  可以发现，np中(400,)和(400,1)存在较大的区别，后者就在运算时产生广播效应，前者不会，这是因为，在(400,)中，意思是一维数组，共400个元素，而在(400,1)中，是二维数组，每一行有一个元素，共400行。也可以从形成的角度来看为什么是这样：

  这里要注意随机数生成中第二个参数表示产生的列数，且np.linspace的第三个参数是整个数组元素的个数，而np.array的第三个参数是数字元素之间的差，第二个元素是不好包含在内的就可以了

  '^’在开头是Anchors位置符，在正则规则中是否定符

  贪婪模式下会匹配尽可能多的字段

  \s不仅仅包含空格，它也可以用于识别文本末尾的不间断空白符号\xa0，或者全角空白符等等，例如：

  区分’?=’ ‘?<=’ ‘?!’ ‘?<!=’，正则规则可见本文第三章

二、Quiz2

  np.nan不等于np.nan,np.nan也不等于None,np.nan is None也是错误的，nan只能用np.isnan()来判断

3.

  这里是要选错误的，rename返回的是df的一个副本，记得要’保存’或者用inplace=True

  df.where不会删除nan的行，会输出nan

  类数组对象 (array-like object)可以用于创建Series，dict、array、Series可以创建DataFrame

  drop函数默认的参数是index，如果要删除columns需要写axis=1

  loc查询的是index的值，iloc查询index的位置

  区分method（意思是功能或函数，一般后面会加括号，可以传入参数）和attribute(属性，不能传入参数)

  boolean mask操作符是&(和)或者|(或)，这里第三项只能得到boolean mask，不能得到df矩阵

如果要查询DataFrame中某行的数据，可以用.loc或者直接转置过来后当列名来直接取，可见本文2.3章

三、Quiz3

merge函数的使用可见本文1.1章

apply函数的使用可见本文第2章
3.

4.
数据透视表可见本文第5章

11.29日周四，月末11月30日周五

分组后用每一组的平均值来填充平均值。

用dict实现对不同列进行不同的聚合函数

9

10.

  groupby()内的参数可以是单一列名或者列名的list，默认值axis=0，按一列中不同的行属性分组

四、Final Quiz

  re.split()分割后不会保留用于分割的值，长度为3，re.match()和re.search()返回re.Match object，多用于做bool值，也可以在上面找到匹配值和所在位置span，这个object不可以作用len()函数，也不是boolean值，但可以放在if语句中直接充当boolean值：

import re
s = 'ABCAC'
if re.match('A', s) :
    print(1)
    
--Outputs:
1

  正则规则中.表示匹配所有字符，?=表示匹配后面的字符但不保存A{3}表示只匹配AAA

  Series的省略模式可以直接表示index位置或者index值。
  例如，df[0]既可以匹配第0位置上的值，也可以匹配index为0的值，但当index为数字时，pandas会匹配index的值而不是位置，如下，我们看到a[1]在其中无法再匹配1这个位置上的值，二a[0]也只能匹配index为0的值。

  df.index得到的是df的index属性，第0个就是‘d’

  pandas 中add函数的参数如下：

  DataFrame.add(other, axis='columns', level=None, fill_value=None)

  fill_value表示对NaN值的填充，默认是无填充，所以两个数据相加如果一个是NaN，那结果就是NaN

  df.set_index()会将index删除，reset_index则会保留原index并生成一个正整数列index

  apply默认对行进行操作，即传入apply中的参数是df中的每一列

  每一次.stack()是把最细分的列变量放到最细分的索引变量中，unstack()则相反，而你可以对所有的df或者Series进行unstack()操作，但不能对Series进行stack()操作（见这篇文章5.4更换数据透视表的形状），这说明行列完全互换，只能用多个unstack()叠加，而不能用多个stack()叠加。