Normalizing&Sorting DataFrame Column

Dataset

本实验的目的将高蛋白低脂肪的食物打分，公式如下：
Score=2×(Protein_(g))−0.75×(Lipid_Tot_(g))

• 食品营养表

food_info是个DataFrame对象，food_info.columns得到的是DataFrame的列标签对象（

# 读入数据
import pandas as pd
food_info = pd.read_csv("food_info.csv")
cols = food_info.columns.tolist()

Transforming A Column

• 为pandas可以对数值型数据做任何算术运算

div_100 = food_info["Iron_(mg)"] / 1000
add_100 = food_info["Iron_(mg)"] + 100
sub_100 = food_info["Iron_(mg)"] - 100
mult_2 = food_info["Iron_(mg)"]*2
sodium_grams = food_info["Sodium_(mg)"] / 1000
sugar_milligrams = food_info["Sugar_Tot_(g)"] * 1000

• 不仅可以做算术运算来修改列值，还可以进行列之间的运算

water_energy = food_info["Water_(g)"] * food_info["Energ_Kcal"]
grams_of_protein_per_gram_of_water = food_info["Protein_(g)"] / food_info["Water_(g)"]
milligrams_of_calcium_and_iron = food_info["Calcium_(mg)"] + food_info["Iron_(mg)"]

Nutritional Index

现在开始利用上面那个公式来计算每个food的score:Score=2×(Protein_(g))−0.75×(Lipid_Tot_(g))

weighted_protein = food_info["Protein_(g)"] * 2
weighted_fat = -0.75 * food_info["Lipid_Tot_(g)"]
initial_rating = weighted_protein + weighted_fat

Normalizing Columns

由于每列的属性不同，单位不同，取值范围也有很大差异，在进行某些运算时，如果直接使用原始值将带来一些偏差，比如”Vit_A_IU”这个属性的取值范围较大（0~100000），因此该列的值在计算时影响力要远远大于”Fiber_TD_(g)”（取值范围：0~79），因此需要对数据进行规范化。

• 此处我们进行规范化的方法是，将某列所有的值除以该列最大值

max_protein = food_info["Protein_(g)"].max()
normalized_protein = food_info["Protein_(g)"] / max_protein
normalized_fat = food_info["Lipid_Tot_(g)"] / food_info["Lipid_Tot_(g)"].max()

Creating A New Column

• 前面将修改的列数据（Series ）都赋给了一个变量，实际上也可以直接添加到DataFrame对象中，添加的方式如下（此时该数据多了两列，原来的两列依旧存在）：

ormalized_protein = food_info["Protein_(g)"] / food_info["Protein_(g)"].max()
normalized_fat = food_info["Lipid_Tot_(g)"] / food_info["Lipid_Tot_(g)"].max()
food_info["Normalized_Protein"] = normalized_protein
food_info["Normalized_Fat"] = normalized_fat

Normalized Nutritional Index

因此现在在公式中用于计算的就不是原始数据，而是规范化的数据：

food_info["Normalized_Protein"] = food_info["Protein_(g)"] / food_info["Protein_(g)"].max()
food_info["Normalized_Fat"] = food_info["Lipid_Tot_(g)"] / food_info["Lipid_Tot_(g)"].max()
food_info["Norm_Nutr_Index"] = 2*food_info["Normalized_Protein"] + (-0.75*food_info["Normalized_Fat"])

Sorting A DataFrame By A Column

原始数据是由NDB_No行号进行索引的，这个是唯一标示的index.DataFrame有一个sort()函数可以对它的列数据进行排序（默认是升序），返回一个新的DataFrame变量。

food_info["Normalized_Protein"] = food_info["Protein_(g)"] / food_info["Protein_(g)"].max()
food_info["Normalized_Fat"] = food_info["Lipid_Tot_(g)"] / food_info["Lipid_Tot_(g)"].max()
food_info["Norm_Nutr_Index"] = 2*food_info["Normalized_Protein"] + (-0.75*food_info["Lipid_Tot_(g)"])
food_info.sort("Norm_Nutr_Index", inplace=True, ascending=False)