初学pandas一周，我用来分析简历投递情况

最近在找工作，面试寥寥无几，就学习了下pandas，学以致用，我每天都会在excel记录一下我的投递简历情况（如图），并用学到的pandas来分析自己的简历投递数据。

行情实在惨淡，岗位都很少，感觉能投的不多。

我还是把我上周学的总结的pandas知识点发出来，以供大家参考吧。有正在找工作的，也可以借鉴这个方法，把知识用在自己的现实问题上，也会更进一步学以致用，融会贯通。

我个人觉得学习pandas最简单的入手方式就是分析自己的excel数据。这里会结合sql语句来说，对应掌握sql知识的人来说，这样会更容易学习新的知识吧。

df=pd.read_excel('路径')

先整体看一下，比如看一下每个列的数据类型df.dtypes。而在pandas包里有int64和object类型（字符串类型），看一下各统计值用df.describe()

看有多少行和列呢？df.shape

如果要给字段建立索引呢？df=df.set_index('投递城市'),然后如果我要只看杭州的数据怎么办？df.loc['杭州']。如果我要取消索引就是用df.reset_index()。

那么如果想看8月23的，并且投递简历数大于5的数据。

df[(df['日期']==8.23)&(df['投递简历']>5)],这就是sql中的where条件,&就是and，

或者还可以写成df[df['日期']==8.23][df['投递简历']>5],如果觉得[]多了，看晕了，那说明看的方式不对，我写的时候是先写这个df[][],先框架后细节，就不会出错，做任何事都是如此，一下子陷入细节里，只会浪费更多时间。

只不过原来在sql中表名.投递简历>5,在这里变成了表名['投递简历']>5，其实有区别吗？在我看来没什么区别的。

如果我要排序呢？就可以用df.sort_values('列名'，ascending=False),按该列名排序，默认是升序，这里false就是倒序。

如果我要对列分组呢就可以用groupby('列名'),对两列进行分组呢groupby([df['列名'],df['列名']])或者是groupby(['列名','列名'])，其实可以看出df['列名'],df['列名']等价于'列名'，'列名'。那如果我对两列进行聚合之后，要展示特定的列的数据呢？df.groupby(['列名','列名'])[['列名']]，注意这后面是两个括号，只给一个括号的话df.groupby(['列名','列名'])['列名']就变成seris

我要聚合呢？df.groupby('投递城市').sum()，对我投递城市聚合，只展示了投递简历这一列，df.groupby('投递城市')[['投递简历']].sum()

如果我要对某些列做特定的聚合计算呢？这就是比如像是sql的：select count(日期)，sum(我发起的) from 表 group by 投递城市

而在pandas里怎么做的呢？很简单：df.groupby('投递城市').agg({'日期'：'count','我发起的':'sum'})；

对其中两列分组groupby,然后对所有列应用相同的三种函数，这时候可以先定义一个functions=['count','sum','mean'].然后df.groupby['列名'，'列名'].agg(functions)

在sql中我可以只展示某些列，select 列名,列名 from 表名

那么在pandas怎么做呢？df[['列名','列名','列名']]

在sql中我既可以展示哪些列又可以展示哪些行，select 列名，列名 from 表名 where rownum<=5

在pandas里怎么做呢?利用切片，df[0:6][['列名','列名','列名']],要展示第二行到第10行呢

df[1:11][['列名','列名','列名']]，还有没有其他的方法，当然有，loc()函数，loc是location位置的缩写，一下子你就知道要传入两个参数，才能确定位置对吧，第一个参数是关于行的，第二个位置是关于列的，df.loc[0:3,['列名','列名','列名']]

在sql中我们会用order by 来排序，那么在pandas呢？需要用sort-values方法了，最简单的方式就是df.sort_values(by ='日期')，按日期进行排序，默认为升序，而如果要对两列进行排序呢，都是降序呢？df.sort_values(['日期','我发起的'],ascending=[True,True])

如何看是否存在重复数据呢？df.duplicated()，返回每行的布尔值，true就代表这行和前面重复了。df.duplicated('投递城市')只看投递城市这一列有哪些重复的。

如何删除重复数据呢？df.drop_duplicates()

如何查看一列有多少空值呢？df.isnull().sum()

空值转化为0？df.fillna(0),df.fillna({'经验总结'：0})这是特定列转为空值。

去掉有空值的行？df.dropna(),df.dropna({'经验总结’)