Kaggle3- pandas(1)

1.创建一个最简单的DataFrame

fruits = pd.DataFrame([[30,21]],columns=['Apples','Bananas'])

	Apples	Bananas
0	30	21

 

 

2. 创建一个简单的Series

ingredients = pd.Series(['4 cups','1 cup','2 large','1 can'],index=['Flour','Milk','Eggs','Spam'],name='Dinner')

Flour 4 cups

Milk 1 cup

Eggs 2 large

Spam 1 can

Name: Dinner, dtype: object

3.读取文件

reviews = pd.read_csv('../input/wine-reviews/winemag-data_first150k.csv',index_col=0)

  并将第零列，作为index

 

4.选择一列

desc = reviews.description

desc = reviews['description']

5.选择一行或多行

first_row = reviews.loc[0]

sample_reviews = reviews.loc[[1,2,3,5,8]]

6.行和列一起筛选

columns = ['country','province','region_1','region_2']  # 筛选的行
index = [0,1,10,100]　　# 筛选的列
df = reviews.loc[index,columns]    

# loc 的行是标签 ，iloc的行是下标

7.细节问题

colmns = ['country','variety']
df = reviews.loc[0:99,colmns]

在pandas 中loc 0：99 包含99与普通的0：99不一样

8. 按值筛选

italian_wines = reviews[reviews.country == 'Italy']

9.高级的按值筛选

必须要用小括号括起来，才能使用布尔型的运算

.isin是判断是否存在在里面的

top_oceania_wines = reviews[(reviews.country.isin(['Australia','New Zealand']))
                                               & (reviews.points >= 95)]

 

10.Summary function

1. 描述函数

reviews.points.describe()

对于数字型的来说

'count', 'mean', 'std', 'min', '25%', '50%', '75%', 'max'

对于文字型的来说

‘count’,'unique','top','freq'

2.平均值

reviews.points.mean()

# 求中值

reviews.points.median()

3.种类函数 ----> 只有国家

reviews.name.unique()

4.种类计数函数  --> 国家加次数

reviews.name.value_counts()

 

Map 函数

# 初级Map函数 里面是一个函数，然后会对每个操作

reviews.points.map(lambda p: p - 5)

等价与   reviews.points - 5

# apply 函数 将reviews传入函数，用row接受，然后执行函数内的内容，按行滑动  （有点卡，这个函数）

def remean_points(row):
　　row.points = row.points - 3
return row

reviews.apply(remean_points, axis='columns')

# 等价与上面高级函数的简单操作

reviews.points - 3

centered_price = reviews.price - reviews.price.mean()    --->>  机器学习中常见的居中化

# 字符串的拼接

reviews.country + "and" + reviews.region_1

out  -->    New Zealand and Alsace

 

# 返回最大值的索引

bargain_idx = (reviews.points/reviews.price).idxmax()

# 求字符串中包含 ‘fruity’ 中的列的总数

fruity = reviews.description.str.contains('fruity').sum()

# 一个一下考虑两行的问题   如果是加拿大的就是3颗星，如果不是但是评分是95+，也是3颗星，85-95是两颗星，85一下一颗星

def stars(row):
if row.country == 'Canada':
　　return 3
elif row.points >= 95:
　　return 3
elif row.points < 95 and row.points >= 85:
　　return 2
else:
　　return 1

star_ratings = reviews.apply(stars,axis='columns')