這是書籍《Pandas Cookbook》書籍第06章的代碼復現，所有代碼運行在Jupyter Notebook上，原講解地址是：
https://www.jianshu.com/p/ab55e07418af
我上傳代碼的github地址是：
https://github.com/Asunqingwen/PandasCookbook.git
github上有該書中用到的data，里面代碼會不定期更新（因為工作原因，時間不定），直到本書學習完成！
相比原講解，會穿插一些自己的理解，水平有限，請各路大神指正。

1.檢查索引

這段主要是將索引拿出來單獨講解，因為索引底層是numpy數組，所以很多操作類似于ndarray，比如支持[]運算，切片

有許多和Series以及DataFrame相同的方法，比如min，max，isnull等；也可以直接拼接字符串，進行索引修改；還有就是通過比較運算符，得到BOOL索引

索引雖然底層是ndarry，但是本質和tuple很像，其存儲對象是不可變類型，不能直接賦值修改

索引也支持集合運算

2.求笛卡爾積

第1部分說過索引支持集合運算，而笛卡爾積就是一種集合運算；笛卡爾積——https://baike.baidu.com/item/笛卡爾乘積/6323173?fromtitle=笛卡爾積&fromid=1434391， 這是百度百科的定義，如果按這個定義來，下圖s1和s2的笛卡爾積應該有24個結果，所以索引的笛卡爾積是和索引有關的——相同索引之間進行笛卡爾積，其余的都用缺失值NaN表示

如果兩組索引及其順序完全相同，那么“+”就變成了普通加法；如果索引相同，而順序不同，“+”還是表示笛卡爾積

3.索引爆炸

當對Series對象進行復制的時候，如果直接用“=”，則會將不同的對象名指向同一個對象，為了完全復制，必須用copy()函數

salary1和salary2雖然數據一樣，但是salary1索引排序后，兩個Series對象索引順序不一樣了，就可以和salary2做笛卡爾積運算了

從下圖可以看出，笛卡爾積運算使得內存占用量爆炸，所以要慎用“+”

4.用不等索引填充數值

用difference()函數可以將一個索引不同于另外一個索引的值區分出來，其實這就是集合運算里面的求差運算

這里的“+”就是笛卡爾積運算，使用add()函數以及它的fill_value參數，去除了缺失值

缺失值處理后，就沒有了缺失值；但是，如果一個索引值在兩個進行笛卡爾積的Series都是缺失值，那么add函數使用fill_value參數也無法去除該索引值對應的缺失值

利用highlight_null()函數對缺失值NaN進行高亮顯示

5.從不同的DataFrame追加列

每個部門的最高工資——對部門名進行升序排列，工資進行降序排列，那么每個部門的對應的第一個工資就是該部門的最高工資了

做比較運算，employee中沒有高于最高工資的工資

如果對最高工資不去重，那么會有多個相同索引值對應不同的最高工資，那么直接賦值給employee新的一列，就會出錯



選取沒有重復索引值的最高工資，那就可以正確的賦值給employee新的一列了

6.高亮每列的最大值

下面這段代碼算是導入數據的預處理——先做類型判斷，將可以轉為數值的列都轉為數值類型，最后刪除掉只有兩個值的列(可能因為二值類型，沒有求最大值的意義)

            
              pd.options.display.max_rows = 8
#讀取college數據集，INSTNM作為列
college = pd.read_csv('data/college.csv',index_col='INSTNM')
college.dtypes

#MD_WNE_P10和GRAD_DEBT_MDN_SUPP兩列是對象類型，對其進行檢查，發現含有字符串
college.MD_EARN_WNE_P10.iloc[0]
college.GRAD_DEBT_MDN_SUPP.iloc[0]

#降序檢查
college.MD_EARN_WNE_P10.sort_values(ascending=False).head()

#可以用to_numeric，將某列的值做強制轉換
cols = ['MD_EARN_WNE_P10','GRAD_DEBT_MDN_SUPP']
for col in cols:
    college[col] = pd.to_numeric(college[col],errors='coerce')
college.dtypes.loc[cols]

#用select_dtypes方法過濾出數值列
college_n = college.select_dtypes(include=[np.number])
college_n.head()

#有的列只含有兩個值，用nunique()方法挑出這些列
criteria = college_n.nunique() == 2
criteria.head()

#將BOOL Series傳給索引運算符，生成二元列的列表
binary_cols = college_n.columns[criteria].tolist()
binary_cols

#用drop方法刪除這些列
college_n2 = college_n.drop(labels=binary_cols,axis='columns')
college_n2.head()

            
          

用idxmax()方法選出每列最大值的行索引，用unique()方法選出不重復的列名

用highlight_max()函數高亮最大值行

不用[]運算符，直接調用highlight_max()函數，會高亮每一行的最大值

7.用鏈式方法重現idxmax

選出數值列，通過eq()函數獲得列最大值的BOOL DataFrame

選出至少包括一個True值的行，用any()函數——一行/一列至少有一個True，則返回True

一共18列，最多允許18個最大值，但實際有401個，因為很多列的最大值有很多

兩次累加，那么1只會出現在最大值首次出現的位置，那么用eq()函數和1比較，就能篩選出首次出現最大值的索引了

最大值16個，所得結果和idxmax()函數比較，是一樣的

兩種方法耗時比較，時間相差2倍左右

8.找到最常見的最大值

idxmax()函數找到每行最大值對應的列名

最大值分布情況，以及某個最大值對應的學校，排名第二的種族分布情況