pandas

第三章索引

员工数据集

巧克力数据集

1. 把列索引名中的\n替换为空格。
2. 巧克力Rating评分为1至5，每0.25分一档，请选出2.75分及以下且可可含量Cocoa Percent高于中位数的样本。
3. 将Review Date和Company Location设为索引后，选出Review Date在2012年之后且Company Location不属于France, Canada, Amsterdam, Belgium的样本。

1.用join，以前用过啊！我忘得干干净净，好无语

join()函数 用特定的字符或者符号来分隔一串元素
语法： ’ A ’ . join ( B )
参数说明
A：分隔符。可以为空或者空格甚至是数字
B：要连接的元素序列、字符串、元组、字典
上面的语法即：以 A 作为分隔符，将 B 所有的元素合并成一个新的字符串
返回值：返回一个以分隔符 A 连接各个元素后生成的字符串

df.columns=[' '.join(i.split('\n')) for i in df.columns]

难死了难死了，，，还有.split()这个东西真厉害！

2.中位数又是什么呢！

. quantile(0.5) 分位数 .median()中位数
要百分数化成小数 py太难了 我用excel了
查看类型.dtypes
用query了

df.query('(Rating<2.75) and (`Cocoa Percent`>`Cocoa Percent`.quantile(0.5))').head()

3.好难好难IndexSlice对象

要sort_index（）一下，所以用[2012:]就好了不用用>

【a】loc[idx[*,*]]型
这种情况并不能进行多层分别切片，前一个*表示行的选择，后一个*表示列的选择，与单纯的loc是类似的：
【b】loc[idx[*,*],idx[*,*]]型
这种情况能够分层进行切片，前一个idx指代的是行索引，后一个是列索引。
query()里面就可以直接用列名；loc[]里面可以df.Weight>X
真奇怪，乱七八糟的
想要获得某一层索引用get_level_values

df_index=df.set_index(['Review Date','Company Location'])
df_index=df_index.sort_index(level=0)
exclude = ['France', 'Canada', 'Amsterdam', 'Belgium']
~df_index.index.get_level_values(1).isin(exclude)
df_index.loc[idx[2012:,~df_index.index.get_level_values(1).isin(exclude)],:]

第四章分组

练习1 请根据上下四分位数分割，将体重分为high、normal、low三组，统计身高的均值。
又用到分位函数了！.quantile()

hight=df.Weight>df.Weight.quantile(0.75)
low=df.Weight.quantile(0.25)>=df.Weight
normal=(df.Weight.quantile(0.75)>=df.Weight) & (df.Weight>df.Weight.quantile(0.25))
#这个是一个Serise可以用a[1]
df.groupby(hight)['Weight'].mean()[1]

2.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。

gb=df.groupby(['School'])
res= gb.groups
res.keys()

groupby是pandas的一个对象，他有方法和属性。没有括号的是属性！有括号的是方法，那keys()是什么！

• 变换之后数据类型不一样
  标量 Series DataFrame
  聚合 变换 过滤

3.在groupby对象中，rank方法也是一个实用的变换函数，请查阅它的功能并给出一个使用的例子。

查了，不知道是在干什么，不写了。感觉这里没什么用
4.apply函数与agg函数
agg函数只能逐列处理 apply函数能跨列 多列数据同时处理

def BMI(x):
    Height = x['Height']/100
    Weight = x['Weight']
    BMI_value = Weight/Height**2
    return BMI_value.mean()
gb.apply(BMI)

汽车数据集