Python数据分析答疑6：Pandas进阶

第六课作业

作业1：

计算每个品种鸢尾花各个属性（花萼、花瓣的长度和宽度）的最小值、平均值又是分别是多少？（提示：使用min、mean 方法。）

计算鸢尾花每个品种的花萼长度（sepal_length) 大于6cm的数据个数。

作业2：

分别找出2015, 2016年最流行的前10个男孩和女孩名字, 想给自己起一个流行的英文名字的可以行动起来了。

提示：使用groupby().apply()

思路一，使用ranked这一列，取其值小于等于10的数据

思路二，使用pct这一列，用sort_values方法对其排列大小，取最大的10行数据

选做作业：餐馆小费数据分析

小费，指给予服务生消费额以外的赏钱，在美国餐馆用餐完后通常会给服务生15-20%的小费。

这个数据是由Bryant和Smith于1995年所著的商务统计上的一个数据

分析什么因素会影响小费比例？

一个优秀的数据分析员一定是一个可以提出有意义问题的人

好的数据分析员往往可以根据商业背景提出一些假说，然后通过数据来验证这些假说。

选做作业可以以文章的形式提交。

答疑Q&A目录：

1，代码运行出错

2，数据导入

3，代码方法

4，数据导入

5，代码理解：max=None

6，参考书

7，代码运行出错：字典

8，代码运行出错

9，数据导入

10，数据导入

11，数据导入：path

12，代码运行出错

13，代码理解：df[ ]

14，代码理解：引号

15，代码理解：圆括号

16，代码理解：层次化索引

17，代码理解：无效句法

18，代码理解：unique

19，方法优化：设备同步代码

第一问开始啦！！

图1

Q 1 ：请问：我做这个图（图1），为什么Africa,的红色点没有生成呢，标题里都生成了的.

A ：ociean=df.....=='africa'漏改了

Q 2 ：婴儿数据导入不了，请问哪里出了问题

A1：我怀疑是目录中含中文，改个path试试

A2: 我重新把文件复制到软件默认目录了，可以导入了

Q 3 ：第五课选做作业中，把各大洲的国家数量用value_counts统计出来，生成的是一个series类型的结果，如何把这个series转换成DataFrame进行分析？或者，如何提取这个series类型里的数据呢？比如，我要看哪个洲国家数量最多。

A：看下pandas中series提供方法，有idxmax和max。应该可以满足你的需求，去了解下。

图2

Q 4 ：如何正确下载github上的文件？我以前下载文件都必须是点进去然后把内容全选复制到自己的txt文件里，因为每次直接下载的文件都是有问题的，如上图（图2），只有自己打开txt文件自己复制才行。其实我到现在也不知道github到底是怎么把资料完整下载到电脑里的，以前都是一个文件，这一次碰上这么多文件直接懵了，总不能一个一个打开然后再全选复制吧？

A1 : git hub官方有使用方法介绍的教程，可以查一下，可以用代码把资料下到本地并且同步更新，也很快很便捷的。隔壁javascript课的徐老师做的教程供你参考一下。https://github.com/xugy0926/getting-started-with-javascript/wiki/%E7%AC%AC%E4%B8%80%E6%AC%A1%E4%BD%BF%E7%94%A8Git

https://github.com/xugy0926/getting-started-with-javascript/blob/master/topics/%E5%A6%82%E4%BD%95%E4%BB%8E%E4%B8%BB%E9%A1%B9%E7%9B%AE%E6%9B%B4%E6%96%B0fork%E7%9A%84%E9%A1%B9%E7%9B%AE.md

A 2: 刚才按Polo老师的方法，轻松导入了。同学可以先把课件下载到自己的硬盘，在notebook里新建一文件夹，命名为names，点开后点upload按钮，然后就可以选择硬盘文件路径，打开names文件夹全选，文件就全跑到notebook了，再逐一点txt文件的upload就OK了。

Q 5 ：我自己实现了一下agg自带的max函数。

有个问题是，之前老师有些max=None，但是这么写报i和max不是一个类型。有点郁闷。

# 手动实现max

def manual_max(arr):

max = 0

for i in arr:

if (i > max):

max = i

return max

#manual_max(iris.sepal_length)

iris.groupby('species').agg({'sepal_length':[manual_max]})

A ：对啊，不是一个类型，所以老师有个判断

if max is None:

max = i

类似这样的操作。

Q 6 ：前面课中提到的关于数据分析的参考书是哪一本啊？

A ：《利用python进行数据分析》

图3

Q 7 ：错误：If using all scalar values, you must pass an index。各位高手能看出原因吗？生成不了DataFrame（图3）

A ：只有一列参数的不能生成字典，但是可以是series。关于字典合并的问题，可以编写代码实现。

图4

Q 8 ：每次重启jupyter，定义过的函数找不到妈，所以有没有什么很好用的句型，直接把函数套上？还是说最简单的方法是找到最初定义的那一句，重复一遍？（图4）

A1 ：kernel那一栏有个restart and run all。run all了应该in[ ]每个框里都有数字序号的。

A2 : 因为你第一个错了，后面的就不会执行了。word_count is not defined

A3 ：iris.species.value_count( )

Q 9 ：请问“名字name ”文件导入有特别的方法吗？是每年逐一导入吗？

A ：使用for 循环一块导入每一年的文件，然后合并，成一个DATA

图5

Q 10 ：大数据如何导入到python？（图5）

A1 : 文件是直接导入jupter notbook的，没有放在names文件夹里，所以path=……里面names／去掉

A2 : 要把整个路径都拷贝进去，我遇过跟你一样的问题

图6

Q 11 ：数据导入的path在哪儿查？

A：如果是mac看我的截图（图6），jupternotebook的工作路径mac可能是ducument下面，拷贝之后，后面再加上/names那些就可以了（就是文件名）。

图8

Q 12 ：请问使用plt.xlim为什么报错'tuple' object is not callable呢？（图8）

使用plt.ylim(0,9) 没报错。

A：不一定是ylim没错，可能只是运行到xlim报了错就停了，类型是数组，确实没错，你看看之前的代码对不对

Q追问：我在老师的jupyter课件里执行plot.xlim没报错，自己新建了一个jupyter notebook文件执行plot.xlim 就报错了，但plot.ylim就不报错

A：把老师代码里的plt.xlim()复制过来试试，没问题的话，把你的xlim复制过去试试，有问题的话，就是你前面的错误了

Q追问：在我新建的里面执行我自己写的xlim 和老师的xlim代码都有问题，在老师建的jupyter里执行老师的xlim 和我自己写的xlim都没问题。然后我自己还写了一个下图在我自己里的有问题，在老师里的没问题，所以可能是环境的问题而不是代码的问题

A：%

%

那两行你是不是漏打了。

新建一个试试

Q追问：我重新建了一个后发现竟然不报错了，看来可能是jupyter有点小bug

图9

Q 13 ：这个df[ ]是什么意思？（图9）

A1: 取得一个表格，== 是一个判断，values[values.country=='China'] 这个是一个布尔运算。意思就是1. 先得到一个过滤用的筛子；2. 用这个筛子过滤出 series为 true 的那一行

图10

Q 14 ：内置函数要用字符串圈起来 max没用双引号也可以但是 mean去掉双引号就报错了，为什么？（图10）

A ：因为max是python内置、pandas也支持的，mean不是Python内置的，但是pandas实现。agg中，pandas的内置，需用引号，而python内置的不需用引号。