动手学数据分析 Task1 学习笔记

学习笔记

思考1： pd.read_csv()和pd.read_table()有什么不同

pd.read_csv() 直接读取‘,’为分隔符的文本文件，pd.read_table()需要设置sep。

思考2：了解一下'.tsv'和'.csv'的不同，如何加载这两个数据集？

TSV 是Tab-separated values的缩写，即制表符分隔值。 相对来说CSV，Comma-separated values（逗号分隔值）更常见一些。

TSV与CSV的区别： 1）从名称上即可知道，TSV是用制表符（Tab,'\t'）作为字段值的分隔符；CSV是用半角逗号（','）作为字段值的分隔符； 2）IANA规定的标准TSV格式，字段值之中是不允许出现制表符的。
Python对TSV文件的支持： Python的csv模块准确的讲应该叫做dsv模块，因为它实际上是支持范式的分隔符分隔值文件（DSV，delimiter-separated values）的。 delimiter参数值默认为半角逗号，即默认将被处理文件视为CSV。 当delimiter='\t'时，被处理文件就是TSV。

TSV可以通过 pd.read_table('file.tsv',sep='\t')

思考3： 什么是逐块读取？为什么要逐块读取呢？

逐块读取就是通过 chunksize= 参数来设置读取大小。
采用逐块读取文件的主要目的是防止文件过大，一次性加载到内存，会让内存爆掉，或者内存一次性无法加载这么多。

思考4： 大家可以chunker(数据块)是什么类型？用for循环打印出来出处具体的样子是什么？

设置 chunksize参数之后，读取的数据块为TextFileReader，可以遍历打印，打印效果为根据chunksize大小分别打印。

思考5：还有其他的删除多余的列的方式吗？

del test1['a']
test1.drop('a',axis=1,inplace=True)
如果想要完全的删除你的数据结构，使用inplace=True，因为使用inplace就将原数据覆盖了，所以这里没有用

思考6：对比iloc和loc的异同

loc是利用索引名和列名进行检索
iloc是利用索引号和列号进行检索

思考7：通过书本你能说出Pandas对DataFrame数据的其他排序方式吗？

Pandas支持三种排序方式，按索引标签排序，按值排序，按两种方式混合排序。

• 按索引排序
  Series.sort_index()与DataFrame.sort_index方法用于按索引层级对Pandas对象排序。
• 按值排序
  Series.sort_values()方法用于按值对Series排序。DataFrame.sort_values()方法用于按行列的值对DataFrame排序。DataFrame.sort_values()的可选参数by用于指定按哪列排序，该参数的值可以是一列或多列数据。
• 按索引和值排序
  通过参数by传递给DataFrame.sort_values()的字符串可以引用列或索引层名。