這是書籍《Pandas Cookbook》書籍第05章的代碼復(fù)現(xiàn)，所有代碼運行在Jupyter Notebook上，原講解地址是：
https://www.jianshu.com/p/d67080f59b06
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(xué)習(xí)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.計算BOOL值統(tǒng)計信息

這段主要是先通過比較運算，將DataFrame和Series內(nèi)的元素轉(zhuǎn)為BOOL類型，然后再進行響應(yīng)的運算，得注意一下value_counts(normalize=True)這個函數(shù)，本來是統(tǒng)計個數(shù)的，加上normalize參數(shù)后，就變?yōu)榻y(tǒng)計頻率了，之前第01章也有用到

2.構(gòu)建多個BOOL條件

這段主要是多個條件比較，對應(yīng)多個基于BOOL變量的數(shù)據(jù)結(jié)構(gòu)，而多個BOOL條件也可以用位運算符組合

3.用BOOL索引過濾

結(jié)合BOOL條件，DataFrame之類的數(shù)據(jù)結(jié)構(gòu)可以進行過濾，將符合BOOL條件的數(shù)據(jù)過濾出來

BOOL條件也可以結(jié)合loc來進行過濾

4.用標(biāo)簽索引代替BOOL索引

這段先是設(shè)置索引，然后通過loc來對相應(yīng)的索引進行選擇，對比運行時間，雖然設(shè)置索引會很費時間，但是索引只用設(shè)置一次，后面用loc來操作就快了

5.用唯一和有序索引選取

對比四種索引方式的運行時間——BOOL索引、無序行索引、有序行索引、唯一行索引，如果不算前期處理操作，四種索引方式的消耗時間依次減少

6.觀察股價

選取股票收盤價最高和最低的10%

用了matplotlib中的plot()和hlines()函數(shù)——先用plot()將所有的收盤價在坐標(biāo)軸中用黑色曲線繪制，然后用plot()單獨將收盤價最高和最低的10%部分用灰色繪制，最后通過hlines()繪制水平直線，區(qū)分最高和最低的%10同其他區(qū)域

這里不同于上面用曲線顏色來區(qū)分，主要是區(qū)域填充不同顏色來區(qū)分——fill_between()可以在指定區(qū)域內(nèi)用不同的顏色來區(qū)分，先將所以區(qū)域用黑色填充，然后將最高和最低的10%區(qū)域用灰色填充

7.翻譯SQL的WHERE語句

這段沒啥特殊，主要是看下導(dǎo)入數(shù)據(jù)的基本信息，有一個地方需要注意的是：列名也可以作為導(dǎo)入數(shù)據(jù)的屬性，調(diào)用對應(yīng)的屬性名，可以獲取對應(yīng)列數(shù)據(jù)

主要是解釋下sql語句——先從EMPLOYEE表中選取薪水80000-120000的人住的DEPARTMENT(這里應(yīng)該還少了WHERE條件，即過濾出80000-120000的人)，然后將DEPARTMENT分組，并降序排列，選出前5條數(shù)據(jù)；之后將這5條數(shù)據(jù)的DEPARTMENT屬性提取出來，然后從EMPLOYEE表中選取不屬于這5個DEPARTMENT的數(shù)據(jù)

8.確定股票收益的正態(tài)值

這里主要涉及到了pct_change()函數(shù)——計算當(dāng)前元素與先前元素相差的百分比，axis參數(shù)可以調(diào)整按行還是按列計算

經(jīng)過z-score處理后，數(shù)據(jù)其實進行了標(biāo)準(zhǔn)化，使得數(shù)據(jù)整體分布符合標(biāo)準(zhǔn)正態(tài)分布

9.使用查詢方法提高BOOL索引的可讀性

查詢語句邏輯上有點類似于人腦的查詢邏輯，都是很直白的表述，只是如果要用到變量，就需要@符號來獲取變量的值

10.用where方法保留Series

當(dāng)我們用BOOL條件作為索引時，如果是[]運算符索引，索引出的數(shù)據(jù)會去掉符合False條件的數(shù)據(jù)，size可能比原數(shù)據(jù)小；如果用where()函數(shù)索引，索引除的數(shù)據(jù)會將符合False條件的數(shù)據(jù)用缺失值NaN代替，size和原數(shù)據(jù)一樣大，如果不想用NaN代替，可以設(shè)置other參數(shù)，用指定的數(shù)據(jù)代替

clip()函數(shù)效果等同于上面BOOL條件索引和where()的結(jié)合

11.對DataFrame的行做mask

mask()函數(shù)會得到BOOL條件中符合False的結(jié)果，注意看BOOL條件，以及輸出結(jié)果中title_year的數(shù)值

通過BOOL條件，選出和mask一樣的結(jié)果，但是兩者結(jié)果不等，shape一樣，因為mask方法會產(chǎn)生許多缺失值NaN，而NaN是不等于本身的，且數(shù)值類型的NaN統(tǒng)一變?yōu)楦↑c型

利用pandas對象專有比較函數(shù)，就能判斷mask和BOOL條件得出的兩個對象是相等的
通過運行時間對比，利用BOOL條件索引的速度遠遠快于利用mask()函數(shù)的索引速度

12.使用BOOL值、整數(shù)、標(biāo)簽進行提取

loc是可以直接使用BOOL條件的，但是iloc是不能直接使用的

但是iloc可以使用BOOL條件的array模式

BOOL條件的values屬性就是其對應(yīng)的array模式了