pandas学习（二） Filtering and Sorting Data

pandas学习（二） Filtering and Sorting Data

• drop_duplicates() 删除数据集中的重复项
• .loc() 只能使用标签索引，不能使用整数索引
• .iloc() 只能使用整数索引，不能使用标签索引
• .isin() 检查 DataFrame 是否包含指定的值
• .startswith() 选择以“”字母开头的数据

1.数据集-1

导入数据

1.1 有多少产品的价格超过 $10.00？

# 将数据类型转化为float
prices = [float(value[1 : -1]) for value in chipo.item_price]

# 将数据放入新的一列
chipo.item_price = prices

# 删除数据中的重复项
chipo_filtered = chipo.drop_duplicates(['item_name','quantity','choice_description'])

# 仅选择quantity等于 1 的产品
chipo_one_prod = chipo_filtered[chipo_filtered.quantity == 1]
chipo_one_prod

# 选择出价格超过10
# chipo_one_prod[chipo_one_prod['item_price']>10].item_name.nunique()
chipo_one_prod[chipo_one_prod['item_price']>10]

1.2 每件物品的单价是多少？

# 删除item_name和quantity完全重复的
chipo_filtered = chipo.drop_duplicates(['item_name','quantity'])
# 筛选出'item_name'是'Chicken Bowl'的，且数量为1的
chipo[(chipo['item_name'] == 'Chicken Bowl') & (chipo['quantity'] == 1)]

# select only the products with quantity equals to 1
# chipo_one_prod = chipo_filtered[chipo_filtered.quantity == 1]

# select only the item_name and item_price columns
# price_per_item = chipo_one_prod[['item_name', 'item_price']]

# sort the values from the most to less expensive
# price_per_item.sort_values(by = "item_price", ascending = False).head(20)

1.3 根据item_name排序

chipo.item_name.sort_values()

# OR

chipo.sort_values(by = "item_name")

1.4 订购的最贵商品的数量是多少？

chipo.sort_values(by = "item_price", ascending = False).head(1)

1.5 通过len()统计Veggie Salad Bowl 被点了多少次

chipo_salad = chipo[chipo.item_name == "Veggie Salad Bowl"]

len(chipo_salad)

2.数据集·2

导入数据

2.1 仅查看“Team”、“Yellow Cards”和“Red Cards”列，并将它们分配给称为“discipline”的数据

# filter only giving the column names

discipline = euro12[['Team', 'Yellow Cards', 'Red Cards']]
discipline

2.2 按Red Cards和Yellow Cards排序

discipline.sort_values(['Red Cards', 'Yellow Cards'], ascending = False)

2.3 计算每支球队的平均黄牌

round(discipline['Yellow Cards'].mean())

2.4 选择出进球数高于6的球队

euro12[euro12.Goals > 6]

2.5 选择以 G 开头的团队

euro12[euro12.Team.str.startswith('G')]

2.6 选择前7行

# df.loc[] 只能使用标签索引，不能使用整数索引
# df.iloc[] 只能使用整数索引，不能使用标签索引

euro12.iloc[: , 0:7]

2.7 选择除最后 3 列之外的所有列。

# use negative to exclude the last 3 columns

euro12.iloc[: , :-3]

2.8 只展示 England, Italy and Russia 的 Shooting Accuracy

# isin()方法检查 DataFrame 是否包含指定的值。
# 它返回与原始 DataFrame 类似的 DataFrame，但如果该值是指定值之一，则原始值已替换为 True，否则为 False

euro12.Team.isin(['England', 'Italy', 'Russia'])

euro12[euro12.Team.isin(['England', 'Italy', 'Russia'])]

# .loc is another way to slice, using the labels of the columns and indexes

euro12.loc[euro12.Team.isin(['England', 'Italy', 'Russia']), ['Team','Shooting Accuracy']]

3.数据集-3

3.1 将origin设置为dataframe的index

army.set_index('origin', inplace=True)
army.head()

3.2 选择3到7行和3到6列

army.iloc[2:7, 2:6]

3.3 选择 deaths 大于 50

army[army["deaths"] > 50]

3.4 选择所有 regiments 名字不为 “Dragoons” 的

army[army["regiment"] != "Dragoons"]

3.5 选择叫 Texas 和 Arizona 的

army.loc[["Texas", "Arizona"], :]

3.6 选择名为 death 的列中的第三个单元格

army.loc[:, ["deaths"]].iloc[2]