這是書籍《Pandas Cookbook》書籍第02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/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.選取多個DataFrame列

在第01章中講過，DataFrame數據結構的一列就是一個Series，所以選擇多列的方式和第01章中選取Series類似，當我們選取的列數大于1時，[]中的key必須是一個由列名組成的列表，不然會出錯

            
              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果是一樣的，但是數據類型不一樣——從下圖可以看出，以列表作為key，返回的還是一個DataFrame；以列名直接作為key，返回的則是一個Series

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

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

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

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

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

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

            
          

2.對列名進行排序

將DataFrame數據輸出的列名順序進行重排

            
              #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
 #檢驗列名順序重定義后，是否有重復的
set(movie.columns) == set(new_col_order)

movie2 = movie[new_col_order]
movie2.head()

            
          

3.在整個DataFrame上操作

類似于第01章Series的操作，主要是求取基本的統計特征min，max，medium，std，percentiles等

pandas中的sum默認是以列為單位，求取一列的和；調用基本統計特征時，有個skipna參數，這個參數默認值是True，即忽略缺失值；如果設置為False，則不忽略缺失值，即有缺失值的列不會進行相應特征計算，用NaN顯示，下圖的RuntimeWarning也是因為Nan的原因

4.串聯DataFrame方法

類似于第01章的Series操作，主要是對缺失值的處理

5.在DataFrame上使用運算符

類似于第01章的Series，用數學符號或對應的函數進行基本數學運算，進行運算的數據必須是同類型的

6.比較缺失值

pandas和numpy一樣都用NaN對象來表示缺失值，這是一個不等于自身的特殊對象，只有運算符——不等于NaN，才會使得比較結果返回True

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

7.矩陣轉置

個人感覺，這一部分好像和矩陣的轉置沒啥關系，主要是兩個函數cumsum和sort_values——cumsum是個累加函數，參數axis指定累加的方向，比如axis=1，則是行方向累加，第一列不動，逐列累加到后面的列；sort_values則是一個排序函數，也有個參數axis用來指定排序的方向，但是它第一個參數是by，必須指定為和axis對應的列名或者行名，才能對該列名或行名后的所以列或行進行相應的排序

8.確定大學校園多樣性

note:這次導入了兩份數據，注意區別上面導入的數據哦

這一段主要是通過pandas的一些基本數據處理方式，獲取大學人口種類分布的多樣性，首先是數據清洗，去除缺失值

給定一個閾值，每個種族的人口比例大于0.15，計算出每個學校人口比例大于0.15的種族有多少個，最后對種類數進行降序排列，輸出前5個

用loc函數查看最具有人口多樣性的兩個大學的人口具體分布情況，同時查看了US News公布的前五所大學在我們所計算的多樣性結果中的情況