這是書籍《Pandas Cookbook》書籍第02章的代碼復(fù)現(xiàn)，所有代碼運(yùn)行在Jupyter Notebook上，原講解地址是：
https://www.jianshu.com/p/13dcecdacd7c
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(huì)不定期更新（因?yàn)楣ぷ髟颍瑫r(shí)間不定），直到本書學(xué)習(xí)完成！
相比原講解，會(huì)穿插一些自己的理解，水平有限，請(qǐng)各路大神指正。

1.選取多個(gè)DataFrame列

在第01章中講過，DataFrame數(shù)據(jù)結(jié)構(gòu)的一列就是一個(gè)Series，所以選擇多列的方式和第01章中選取Series類似，當(dāng)我們選取的列數(shù)大于1時(shí)，[]中的key必須是一個(gè)由列名組成的列表，不然會(huì)出錯(cuò)

            
              movie = pd.read_csv('data/movie.csv')
movie_actor_director = movie[['actor_1_name','actor_2_name','actor_3_name','director_name']]
movie_actor_director.head()

            
          

            
              #錯(cuò)誤選取多列的方式
movie['actor_1_name','actor_2_name','actor_3_name',"director_name"]

            
          

如果僅僅只選擇一列，[]中的key可以是列名組成的單列表，也可以是直接的列名，但是要注意這兩種方式的返回結(jié)果是一樣的，但是數(shù)據(jù)類型不一樣——從下圖可以看出，以列表作為key，返回的還是一個(gè)DataFrame；以列名直接作為key，返回的則是一個(gè)Series

DataFrame除了可以用列名組成的list進(jìn)行列選取，還可以用基于類型的select_dtypes()和基于模式匹配的filter()

            
              #使用select_dtypes(),選取整數(shù)列
movie.select_dtypes(include=['int64']).head()

#選取所有的數(shù)值列
movie.select_dtypes(include=['number']).head()

#通過filter()函數(shù)過濾選取多列
movie.filter(like='facebook').head()

#通過正則表達(dá)式選取多列
movie.filter(regex='\d').head()

#filter()函數(shù)，傳遞列表到參數(shù)items，選取多列
movie.filter(items=['actor_1_name','asdf']).head()

            
          

2.對(duì)列名進(jìn)行排序

將DataFrame數(shù)據(jù)輸出的列名順序進(jìn)行重排

            
              #打印列索引
movie.columns

#將列索引按照指定的順序排列
disc_core = ['movie_title','title_year','content_rating','genres']
disc_people = ['director_name','actor_1_name','actor_2_name','actor_3_name']
disc_other = ['color','country','language','plot_keywords','movie_imdb_link']

cont_fb = ['director_facebook_likes','actor_1_facebook_likes','actor_2_facebook_likes',
            'actor_3_facebook_likes', 'cast_total_facebook_likes', 'movie_facebook_likes']
cont_finance = ['budget','gross']
cont_num_reviews = ['num_voted_users','num_user_for_reviews', 'num_critic_for_reviews']
cont_other = ['imdb_score','duration', 'aspect_ratio', 'facenumber_in_poster']

new_col_order = disc_core + disc_people + disc_other + \
                cont_fb + cont_finance + cont_num_reviews + cont_other
 #檢驗(yàn)列名順序重定義后，是否有重復(fù)的
set(movie.columns) == set(new_col_order)

movie2 = movie[new_col_order]
movie2.head()

            
          

3.在整個(gè)DataFrame上操作

類似于第01章Series的操作，主要是求取基本的統(tǒng)計(jì)特征min，max，medium，std，percentiles等

pandas中的sum默認(rèn)是以列為單位，求取一列的和；調(diào)用基本統(tǒng)計(jì)特征時(shí)，有個(gè)skipna參數(shù)，這個(gè)參數(shù)默認(rèn)值是True，即忽略缺失值；如果設(shè)置為False，則不忽略缺失值，即有缺失值的列不會(huì)進(jìn)行相應(yīng)特征計(jì)算，用NaN顯示，下圖的RuntimeWarning也是因?yàn)镹an的原因

4.串聯(lián)DataFrame方法

類似于第01章的Series操作，主要是對(duì)缺失值的處理

5.在DataFrame上使用運(yùn)算符

類似于第01章的Series，用數(shù)學(xué)符號(hào)或?qū)?yīng)的函數(shù)進(jìn)行基本數(shù)學(xué)運(yùn)算，進(jìn)行運(yùn)算的數(shù)據(jù)必須是同類型的

6.比較缺失值

pandas和numpy一樣都用NaN對(duì)象來表示缺失值，這是一個(gè)不等于自身的特殊對(duì)象，只有運(yùn)算符——不等于NaN，才會(huì)使得比較結(jié)果返回True

比較兩個(gè)DataFrame，就用assert_frame_equal()函數(shù)，但是這個(gè)函數(shù)返回的是None，所以需要用try-except來判定比較的連個(gè)DataFrame是否相等

7.矩陣轉(zhuǎn)置

個(gè)人感覺，這一部分好像和矩陣的轉(zhuǎn)置沒啥關(guān)系，主要是兩個(gè)函數(shù)cumsum和sort_values——cumsum是個(gè)累加函數(shù)，參數(shù)axis指定累加的方向，比如axis=1，則是行方向累加，第一列不動(dòng)，逐列累加到后面的列；sort_values則是一個(gè)排序函數(shù)，也有個(gè)參數(shù)axis用來指定排序的方向，但是它第一個(gè)參數(shù)是by，必須指定為和axis對(duì)應(yīng)的列名或者行名，才能對(duì)該列名或行名后的所以列或行進(jìn)行相應(yīng)的排序

8.確定大學(xué)校園多樣性

note:這次導(dǎo)入了兩份數(shù)據(jù)，注意區(qū)別上面導(dǎo)入的數(shù)據(jù)哦

這一段主要是通過pandas的一些基本數(shù)據(jù)處理方式，獲取大學(xué)人口種類分布的多樣性，首先是數(shù)據(jù)清洗，去除缺失值

給定一個(gè)閾值，每個(gè)種族的人口比例大于0.15，計(jì)算出每個(gè)學(xué)校人口比例大于0.15的種族有多少個(gè)，最后對(duì)種類數(shù)進(jìn)行降序排列，輸出前5個(gè)

用loc函數(shù)查看最具有人口多樣性的兩個(gè)大學(xué)的人口具體分布情況，同時(shí)查看了US News公布的前五所大學(xué)在我們所計(jì)算的多樣性結(jié)果中的情況