【Pandas-02】告警、axis参数理解、index的用途
一、SettingWithCopyWarning报警
数据：
1 错误复现
2 原因
发出警告的代码 df[condition]["wen_cha"] = df["bWendu"]-df["yWendu"]
相当于：df.get(condition).set(wen_cha)，第一步骤的get发出了报警
链式操作其实是两个步骤，先get后set，get得到的dataframe可能是view也可能是copy，pandas发出警告
官网文档： https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
核心要诀：pandas的dataframe的修改写操作，只允许在源dataframe上进行，一步到位
3 解决方法
解决方法1
将get+set的两步操作，改成set的一步操作
解决方法2
如果需要预筛选数据做后续的处理分析，使用copy复制dataframe
总之，pandas不允许先筛选子dataframe，再进行修改写入
要么使用.loc实现一个步骤直接修改源dataframe，建议这种，比较方便
要么先复制一个子dataframe再一个步骤执行修改，若是为了保存原来的，可以考虑这种。
二、Pandas的axis参数理解
axis=0或者"index"：
- 如果是单行操作，就指的是某一行
- 如果是聚合操作，指的是跨行cross rows
axis=1或者"columns"：
- 如果是单列操作，就指的是某一列
- 如果是聚合操作，指的是跨列cross columns
按哪个axis，就是这个axis要动起来(类似被for遍历)，其它的axis保持不动
数据：
1 单列drop，就是删除某一列
2 按axis=0/index执行mean聚合操作
反直觉：输出的不是每行的结果，而是每列的结果
指定了按哪个axis，就是这个axis要动起来(类似被for遍历)，其它的axis保持不动
同理：指定了按哪个axis，就是这个axis要动起来(类似被for遍历)，其它的axis保持不动
3 再次举例，加深理解
二、Pandas的索引index的用途
把数据存储于普通的column列也能用于数据查询，那使用index有什么好处？
index的用途总结：
- 更方便的数据查询；
- 使用index可以获得性能提升；
- 自动的数据对齐功能；
- 更多更强大的数据结构支持；
实验数据
1 使用index查询数据
2 使用index会提升查询性能
- 如果index是唯一的，Pandas会使用哈希表优化，查询性能为O(1);
- 如果index不是唯一的，但是有序，Pandas会使用二分查找算法，查询性能为O(logN);
- 如果index是完全随机的，那么每次查询都要扫描全表，查询性能为O(N);
实验1：完全随机的顺序查询
实验2：将index排序后的查询
3 使用index能自动对齐数据
4 使用index更多更强大的数据结构支持
很多强大的索引数据结构
- CategoricalIndex，基于分类数据的Index，提升性能；
- MultiIndex，多维索引，用于groupby多维聚合后结果等；
- DatetimeIndex，时间类型索引，强大的日期和时间的方法支持；
