pandas学习——基础练习

一、基本数据结构

（一）Series

是能够保存任何类型的数据(整数，字符串，浮点数，Python对象等)的一维标记数组。轴标签统称为索引。

1）创建

s = pd.Series(np.random.randn(5),index=['a','b','c','d','e'],name='这是一个Series',dtype='float64')
s

2）访问

s.values
s.name
s.index
s.dtype

（二）DataFrame

1）创建

方法一：

df1 = pd.DataFrame([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]],columns=["col1", "col2", "col3", "col4"])
df1

方法二：

df=pd.DataFrame({
     'A':['zhang','zhao','wang','li'],'B':list('xyzq'),
                 'C':range(1,5)},index=list('一二三四'))

2）访问

df['A']

type(df)

type(df['A'])

3）修改索引

df.rename(index={
     '一':'one'},columns={
     'A':'new_col1'})

（三）对比

	Series	DataFrame
axex	返回Series索引列表	获取行及列索引
dtype	返回数据类型	返回数据类型
values	将Series作为ndarray返回	返回ndarray类型的对象
head()/tail()	返回前几行/最后几行	显示前/后（i）行数据，默认为前/后5行

二、遇到的问题

（一）randn和rand的区别：

np.random.randn(d0,d1,…,dn)从标准正态分布中返回一个或多个样本值。
而np.random.rand(d0,d1,…,dn)产生的随机样本位于[0,1)中

（二）value_counts统计缺失值

不会。

import pandas as pd
df1 = pd.DataFrame({
     'A':[1,2,3]},index=[1,2,3])
df1['B']=list('abc')
df3=df1.assign(C=pd.Series(list('def')))
df3['C'].value_counts()

（三）df.mean(axis=1)是什么意思？它与df.mean()的结果一样吗？第一问提到的函数也有axis参数吗？怎么使用？

df1 = pd.DataFrame([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]],columns=["col1", "col2", "col3", "col4"])
df1

# axis=1时为按行计算的均值，默认为按列计算均值。
print(df1.mean())
print(df1.mean(axis=1))

df2=pd.Series([1,2,3,4],dtype='float64')
print(df2)
print(df2.mean())
print(df2.mean(axis=1))

三、实例

（一）权利游戏

1. 在所有的数据中，一共出现了多少人物？
2. 以单元格计数（即简单把一个单元格视作一句），谁说了最多的话？
3. 以单词计数，谁说了最多的单词？（这块可以参考一下制作词云，我觉得和这块挺像，有借鉴之处）

test=pd.read_csv('data/Game_of_Thrones_Script.csv')
test.head()
# 问题1
test['Name'].nunique()
# 问题2
test['Name'].value_counts().nlargest(1)
# 或者
test['Name'].value_counts().index[0]
# 问题 3
test_words = test.assign(Words=test['Sentence'].apply(lambda x:len(x.split()))).sort_values(by='Name')
test_words.head()

L_count = []
N_words = list(zip(test_words['Name'],test_words['Words']))
for i in N_words:
    if i == N_words[0]:
        L_count.append(i[1])
        last = i[0]
    else:
        L_count.append(L_count[-1]+i[1] if i[0]==last else i[1])
        last = i[0]
test_words['Count']=L_count
test_words['Name'][test_words['Count'].idxmax()]

（二）科比投篮

#index_col是将某一列作为行索引
pd.read_csv('data/Kobe_data.csv',index_col='shot_id').head()

1. 哪种action_type和combined_shot_type的组合是最多的？

pd.Series(list(zip(df['action_type'],df['combined_shot_type']))).value_counts().index[0]

2. 在所有被记录的game_id中，遭遇到最多的opponent是一个支？

pd.Series(list(list(zip(*(pd.Series(list(zip(df['game_id'],df['opponent'])))
                          .unique()).tolist()))[1])).value_counts().index[0]