本章思维导图
本章问题与练习
- 【练习一】 继续使用上一章的药物数据集:
(a)现在请你将数据表转化成如下形态,每行需要显示每种药物在每个地区的10年至17年的变化情况,且前三列需要排序。
df = pd.read_csv('data/Drugs.csv',index_col=['State','COUNTY']).sort_index()
df.head()
# YYYY SubstanceName DrugReports
# State COUNTY
# KY ADAIR 2010 Methadone 1
# ADAIR 2010 Hydrocodone 6
# ADAIR 2011 Oxycodone 4
# ADAIR 2011 Buprenorphine 3
# ADAIR 2011 Morphine 2
result = pd.pivot_table(df,index=['State','COUNTY','SubstanceName']
,columns='YYYY'
,values='DrugReports',fill_value='-').reset_index().rename_axis(columns={'YYYY':''})
result.head()
# State COUNTY SubstanceName 2010 2011 2012 2013 2014 2015 2016 2017
# 0 KY ADAIR Buprenorphine - 3 5 4 27 5 7 10
# 1 KY ADAIR Codeine - - 1 - - - - 1
# 2 KY ADAIR Fentanyl - - 1 - - - - -
# 3 KY ADAIR Heroin - - 1 2 - 1 - 2
# 4 KY ADAIR Hydrocodone 6 9 10 10 9 7 11 3
(b)现在请将(a)中的结果恢复到原数据表,并通过equal函数检验初始表与新的结果是否一致(返回True)
result_melted = result.melt(id_vars=result.columns[:3],value_vars=result.columns[-8:]
,var_name='YYYY',value_name='DrugReports').query('DrugReports != "-"')
result2 = result_melted.sort_values(by=['State','COUNTY','YYYY'
,'SubstanceName']).reset_index().drop(columns='index')
#下面其实无关紧要,只是交换两个列再改一下类型(因为‘-’所以type变成object了)
cols = list(result2.columns)
a, b = cols.index('SubstanceName'), cols.index('YYYY')
cols[b], cols[a] = cols[a], cols[b]
result2 = result2[cols].astype({'DrugReports':'int','YYYY':'int'})
result2.head()
# State COUNTY YYYY SubstanceName DrugReports
# 0 KY ADAIR 2010 Hydrocodone 6
# 1 KY ADAIR 2010 Methadone 1
# 2 KY ADAIR 2011 Buprenorphine 3
# 3 KY ADAIR 2011 Hydrocodone 9
# 4 KY ADAIR 2011 Morphine 2
df_tidy = df.reset_index().sort_values(by=result2.columns[:4].tolist()).reset_index().drop(columns='index')
df_tidy.head()
# State COUNTY YYYY SubstanceName DrugReports
# 0 KY ADAIR 2010 Hydrocodone 6
# 1 KY ADAIR 2010 Methadone 1
# 2 KY ADAIR 2011 Buprenorphine 3
# 3 KY ADAIR 2011 Hydrocodone 9
# 4 KY ADAIR 2011 Morphine 2
df_tidy.equals(result2)
# True
- 【练习二】 现有一份关于某地区地震情况的数据集,请解决如下问题:
(a)现在请你将数据表转化成如下形态,将方向列展开,并将距离、深度和烈度三个属性压缩。
df = pd.read_csv('data/Earthquake.csv')
df = df.sort_values(by=df.columns.tolist()[:3]).sort_index(axis=1).reset_index().drop(columns='index')
df.head()
# 方向 日期 时间 深度 烈度 经度 维度 距离
# 0 south_east 1912.08.09 12:29:00 AM 16.0 6.7 27.2 40.6 4.3
# 1 south_west 1912.08.10 12:23:00 AM 15.0 6.0 27.1 40.6 2.0
# 2 south_west 1912.08.10 12:30:00 AM 15.0 5.2 27.1 40.6 2.0
# 3 south_east 1912.08.11 12:19:04 AM 30.0 4.9 27.2 40.6 4.3
# 4 south_west 1912.08.11 12:20:00 AM 15.0 4.5 27.1 40.6 2.0
result = pd.pivot_table(df,index=['日期','时间','维度','经度']
,columns='方向'
,values=['烈度','深度','距离'],fill_value='-').stack(level=0).rename_axis(index={None:'地震参数'})
result.head(6)
# 方向 east north north_east north_west south south_east south_west west
# 日期 时间 维度 经度 地震参数
# 1912.08.09 12:29:00 AM 40.6 27.2 深度 - - - - - 16 - -
# 烈度 - - - - - 6.7 - -
# 距离 - - - - - 4.3 - -
# 1912.08.10 12:23:00 AM 40.6 27.1 深度 - - - - - - 15 -
# 烈度 - - - - - - 6 -
# 距离 - - - - - - 2 -
(b)现在请将(a)中的结果恢复到原数据表,并通过equal函数检验初始表与新的结果是否一致(返回True)
df_result = result.unstack().stack(0)[(~(result.unstack().stack(0)=='-')).any(1)].reset_index()
df_result.columns.name=None
df_result = df_result.sort_index(axis=1).astype({'深度':'float64','烈度':'float64','距离':'float64'})
df_result.head()
# 方向 日期 时间 深度 烈度 经度 维度 距离
# 0 south_east 1912.08.09 12:29:00 AM 16.0 6.7 27.2 40.6 4.3
# 1 south_west 1912.08.10 12:23:00 AM 15.0 6.0 27.1 40.6 2.0
# 2 south_west 1912.08.10 12:30:00 AM 15.0 5.2 27.1 40.6 2.0
# 3 south_east 1912.08.11 12:19:04 AM 30.0 4.9 27.2 40.6 4.3
# 4 south_west 1912.08.11 12:20:00 AM 15.0 4.5 27.1 40.6 2.0
df_result.astype({'深度':'float64','烈度':'float64','距离':'float64'},copy=False).dtypes
# 方向 object
# 日期 object
# 时间 object
# 深度 float64
# 烈度 float64
# 经度 float64
# 维度 float64
# 距离 float64
# dtype: object
df.equals(df_result)
# True