Pandas基础

一、文件的读取与写入

1. 读取

• csv格式
  

• txt格式
  

• xls 或 xlsx格式
  

2. 写入

• csv格式
  
• xls 或 xlsx格式
  

二、基本数据结构

1. Series

• 创建一个Series
  对于一个Series，其中最常用的属性为值（values），索引（index），名字（name），类型（dtype）
  
• 访问Series属性
  
• 取出某一个元素
  之后会再次讨论索引的详细应用
  
• 调用方法
  
• Series有相当多的方法可以调用：
  

2. DataFrame

• 创建一个DataFrame
  
• 从DataFrame取出一列为Series
  
• 修改行或列名
  
• 调用属性和方法
  
• 索引对齐特性
  这是Pandas中非常强大的特性，不理解这一特性有时就会造成一些麻烦
  
• 列的删除与添加
  对于删除而言，可以使用drop函数或del或pop
  
  pop方法直接在原来的DataFrame上操作，且返回被删除的列，与python中的pop函数类似
  
  可以直接增加新的列，也可以使用assign方法
  
  但assign方法不会对原DataFrame做修改
  
• 根据类型选择列
  
• 将Series转换为DataFrame
  
  使用T符号可以转置
  

三、常用基本函数

下面都是用到这份虚拟的数据集

1. head 和 tail

2. unique 和 nunique

3. count 和 value_counts

4. describe 和 info

5. idxmax 和 nlargest

6. clip 和 replace

clip和replace是两类替换函数

7. apply函数

apply是一个*度很高的函数，在第3章我们还要提到

四、排序

1. 索引排序

2. 值排序

五、问题和练习

1. 问题

【问题一】 Series和DataFrame有哪些常见属性和方法？
data：数据。
index：索引
dtype：输出数据的类型
name：Series名称
copy：复制数据。bool型，默认为False
Series其中最常用的属性为：值（values），索引（index），名字（name），类型（dtype）……

函数原型是：DataFrame([data, index, columns, dtype, copy])
DataFrame：索引（index），列（column），形状（shape），均值（mean）……

【问题二】 value_counts会统计缺失值吗？
value_counts不会统计缺失值

【问题三】 与idxmax和nlargest功能相反的是哪两组函数？

【问题四】 在常用函数一节中，由于一些函数的功能比较简单，因此没有列入，现在将它们列在下面，请分别说明它们的用途并尝试使用。
sum/mean/median/mad/min/max/abs/std/var/quantile/cummax/cumsum/cumprod

参数 axis

axis=0 对每一列进行操作

axis=1 对每一行进行操作

参数 skipna

计算中，pandas 会默认排除NaN值，设置 skipna=False 将不再排除 NaN 值

sum 函数：

mean 函数：

median 函数:

mad 函数：

min 函数 和 max 函数:

abs 函数：

std 函数：

var 函数：

quantile 函数：

cummax 函数：

cumsum 函数：

cumprod 函数：

【问题五】 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？
不一样，使用情况如下解释：

2. 练习

【练习一】 现有一份关于美剧《权力的游戏》剧本的数据集，请解决以下问题：
（a）在所有的数据中，一共出现了多少人物？
（b）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？
（c）以单词计数，谁说了最多的单词？

【练习二】现有一份关于科比的投篮数据集，请解决如下问题：
（a）哪种action_type和combined_shot_type的组合是最多的？
（b）在所有被记录的game_id中，遭遇到最多的opponent是一个支？