pandas part I:
# 总结：
- DataFrame.loc[0:5] 一共6行数据，而切片[0:5]只有5个数据
- 在对df的行数据删除后，有些index已缺失，此时用 iloc[]来按照位置索引
- 取指定行 food_info.loc[[2,5,10]]，传入list
- 取指定列 zinc_copper = food_info[["Zinc_(mg)", "Copper_(mg)"]]
- 取指定后缀名的列：
- col_names = food_info.columns.tolist()
- gram_columns = []
- for c in col_names:
- if c.endswith("(g)"):
- gram_columns.append(c)
- food_info.sort_values("Sodium_(mg)", inplace=True) #默认升序，可以用 ascending=False来降序
pandas part II:
- 根据age_is_null = titanic_survival["Age"].isnull(), 返回索引，
- 根据索引的True,False，来获取null的集合： age_null_true = age[age_is_null]
- 如果某列中有nan,任何运算结果都是nan
- 取 good_ages = titanic_survival["Age"][age_is_null == False]
- correct_mean_age = sum(good_ages) / len(good_ages)
- 但是缺失数据的表很普遍，于是pandas用correct_mean_age = titanic_survival["Age"].mean()来解决nan问题
- 按要求选取指定行：pclass_rows = titanic_survival[titanic_survival["Pclass"] == this_class]
- 对指定行的某列进行运算： pclass_fares_mean = pclass_rows["Fare"].mean()
- 数据透视表： 默认aggfunc为np.mean
- passenger_survival = titanic_survival.pivot_table(index="Pclass", values="Survived", aggfunc=np.mean)
- 多列透视表：values传入一个list
- port_stats = titanic_survival.pivot_table(index="Embarked", values=["Fare","Survived"], aggfunc=np.sum)
- 去掉有nan的列： titanic_survival.dropna(axis=1) #age canbin embark
- 去掉指定列中有nan的行 ： titanic_survival.dropna(axis=0,subset=["Age", "Sex"])
- 取指定index行的某列的一个数据： titanic_survival.loc[83,"Age"]
-
对所有列数据应用函数：
def not_null_count(column):
column_null = pd.isnull(column)
null = column[column_null]
return len(null)column_null_count = titanic_survival.apply(not_null_count)
pandas part III:
- 获取Series的值 fandango['FILM'].values
- 取某一列为另一列的索引：series_custom = Series(fandango['RottenTomatoes'].values , index=fandango['FILM'].values)
- 用series_name限制条件series_greater_than_50 = series_custom[series_custom > 50]
- 取到所有列的类型：types = fandango_films.dtypes
- types[types.values == 'float64'].index 本质上是从types 回到 索引上
- deviations = fandango_films[float_columns].apply(lambda x: np.std(x)) 对所有float类型数据应用方差
- groupby将一列中的元素进行分组，idxmax取出对应列group的最大索引位置，score_series=df.groupby("ID")["m_score"].idxmax()
- df.groupby(df['class1'])['data1'] == df['data1'].groupby(df['class1']) 是一个整体，要取出数据，则.idxmax()等操作
- df.groupby(df['class1'])['data1'] ： <pandas.core.groupby.SeriesGroupBy object at 0x000001F1CEDF0AC8>