用python进行数据分析会遇到的问题_《利用python进行数据分析》常见问题汇总（一）...

利用python进行数据分析 麦金尼 代码实测常见问题汇总

第1章 准备工作

IPython安装及使用：

开始菜单输入cmd进入命令行；

输入"pip install ipython"进行安装；

输入ipython进入IPython运行模式。

书中示例数据下载地址：

https://github.com/wesm/pydata-book/tree/1st-edition

第2章 引言

本书使用的是python2.7版本，和python3语法有细微差别。

后面几章主要的代码问题都是python版本更新造成的方法淘汰和重新整合。

来自bit.ly的1.usa.gov数据

print语法

In [20] :

print records[0]['tz']

改为

print(records[0]['tz'])

pylab模式绘图

使用plot方法时要以pylab模式打开。

In [301]:

tz_counts[:10].plot(kind='barh', rot=0)

运行返回

未弹出图像窗口；

在IPython运行下输入 pylab打开pylab模式，然后重新运行 [301]成功绘图。

movielens 1m数据集

pivot_table方法

原代码报错：

mean_ratings = data.pivot_table('rating', rows='title',cols='gender', aggfunc='mean')

错误信息为：

TypeError Traceback (most recent call last)

in ----> 1 mean_ratings = data.pivot_table('rating', rows='title',cols='gender', aggfunc='mean')

TypeError: pivot_table() got an unexpected keyword argument 'rows'

将代码修改为：

mean_ratings = data.pivot_table('rating', index='title',columns='gender', aggfunc='mean')

ix函数警告

In[347]：

mean_ratings = mean_ratings.ix[active_titles]

出现如下警告：

DeprecationWarning:

.ix is deprecated. Please use

.loc for label based indexing or

.iloc for positional indexing

可以使用ix函数已经被loc和iloc函数替代，其中loc函数是使用标签进行的索引，而iloc函数是使用位置即行列号进行的索引，所以在此处可以使用loc函数进行查找。

Series没有order函数

In [358]:

rating_std_by_title.order(ascending=False)[:10]

属于报错，错误信息如下：

AttributeError: 'Series' object has no attribute 'order'

由于Series没有order函数，可以使用sort_valuesh()函数对得分标准差进行排序：

rating_std_by_title.sort_values(ascending=False)[:10]

1880-2010年间全美婴儿姓名

diversity.plot绘图出错

In [402]:

diversity.plot(title="Number of popular names in top 50%")

错误类型为：

TypeError: Empty 'DataFrame': no numeric data to plot

错误原因出现在前面的get_quantile_count函数：

def get_quantile_count(group, q=0.5):

group = group.sort_index(by='prop',ascending=False)

return group.prop.cumsum().searchsorted(q) + 1

该函数最后一句group.prop.cumsum().searchsorted(q)返回的是ndarray中的数组而不是浮点数，因此不能正确绘图。

解决方法是使用索引将数组中的数值取出：

def get_quantile_count(group, q=0.5):

group=group.sort_values(by='prop',ascending=False)

return group.prop.cumsum().searchsorted(q)[0] + 1

即可正确绘图。

第4章 numpy基础：数组和矢量计算

随机数生成

随机数生成出错

In [212]:

%timeit samples = [normalvariate(0, 1) for _ in xrange(N)]

代码报错：

NameError: name 'xrange' is not defined

错误原因是Python 3中，range()与xrange()合并为range( )。将原始代码改为：

%timeit samples = [normalvariate(0, 1) for _ in range(N)]

第5章 pandas入门

汇总和计算描述统计

pandas.io.data模块导入出错

import pandas.io.data as web

代码报错：

ModuleNotFoundError: No module named 'pandas.io.data'

出错原因：pandas.io.data模块已经迁移到pandas-datareader模块，将原始代码改为：

import pandas_datareader.data as web

data.iteritems()调用出错

price = DataFrame({tic:data['Adj Close'] for tic, data in all_data.iteritems()})

代码报错：

AttributeError: 'dict' object has no attribute 'iteritems'

出错原因：

python3中data没有iteritems属性，改为items，将原始代码改为：

price = DataFrame({tic:data['Adj Close'] for tic, data in all_data.items()})

其他有关pandas的话题

整数索引

使用Series的iget_value方法报错

In [293]:

ser3.iget_value(2)

代码报错：

AttributeError: 'Series' object has no attribute 'iget_value'

出错原因：iget_value()函数已被iat[]函数替代，将原始代码改为：

ser3.iat[2]

使用DataFrame的irow方法报错

In [295]:

frame.irow(0)

代码报错：

'DataFrame' object has no attribute 'irow'

出错原因：irow方法和icol方法已经被淘汰，可以使用iloc[:, i]选取列，使用iloc[i, :]选取行，将原始代码改为：

frame.iloc[0,:]

面板数据

使用get_data_yahoo方法报错

pdata = pd.Panel(dict((stk,web.get_data_yahoo(stk,‘1/1/2009’,‘6/1/2012’))

for stk in [‘AAPL’,‘GOOG’,‘MSFT’,‘DELL’]))

代码报错：

KeyError: ‘Date’

出错原因：自己没有找到原因，修改了起止日期仍然无法读取数据，看了别的博主说是网络问题，暂未发现解决方法(有知道的大神可以在评论区留言)