Pandas基础学习 Task01：Pandas基础（知识梳理脑图+全部资源教程）

电玩女神 2023-05-21 10:27 0阅读 0赞

### 文章目录 ###

*  Pandas基础学习
 *   *  一、Task01：Pandas基础
     *  二、问题与练习
     *   *  1、问题
         *  2、练习

# Pandas基础学习 #

本次跟随Datawhale组队学习Pandas基础，希望能有所收获。Datawhale是一个很好的开源组织，会组织很多免费的知识学习。

附上[本次组队学习的计划和教程资料][Link 1]，即使没有当时加入组队学习，有兴趣的话从现在开始学习也不晚哦~

现在学习喜欢用脑图的方式，知识点清晰明了，易于查找和复习，希望也可以帮助大家梳理知识脉络。

Pandas基础学习（上）  
[Task01：Pandas基础][Task01_Pandas]  
[Task02：索引][Task02]  
[Task03：分组][Task03]  
[Task04：变形][Task04]  
[Task05：合并][Task05]  
[Task06：综合练习][Task06]  
[Pandas基础学习（下）][Pandas]

## 一、Task01：Pandas基础 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70]  
链接：https://pan.baidu.com/s/1J7oD6gnHzRF8xEk6DDpsHg  
提取码：xqvt

## 二、问题与练习 ##

### 1、问题 ###

**【问题一】** Series和DataFrame有哪些常见属性和方法？  
**Series**

*  常见属性：index（索引）、value（值）、name（名字）、dtype（数据类型）
 *  常见方法：nunique()、unipue()、count()、value\_counts()、idxmax()、nlargest()、clip()、replace()、apply()、

**DataFrame**

*  常见属性：index（索引）、value（值）、columns（列标签）、shape（行列数）
 *  常见方法：head()、tail()、describe()、info()、replace()、apply()、sort\_values()

**【问题二】** value\_counts会统计缺失值吗？  
不会，只会统计非缺失值元素的数量。

**【问题三】** 与idxmax和nlargest功能相反的是哪两组函数？  
是idxmin和nsmallest。

**【问题四】** 在常用函数一节中，由于一些函数的功能比较简单，因此没有列入，现在将它们列在下面，请分别说明它们的用途并尝试使用。  
以下面为例：![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 1]  
sum：返回各列之和（或某Series的和，后文省略）。  
![在这里插入图片描述][20200420210944110.png]  
mean：返回数值型各列的平均值。  
![在这里插入图片描述][20200420210955481.png]  
median：返回数值型各列的中位数。  
![在这里插入图片描述][20200420211004963.png]  
mad：返回数值型各列的平均绝对离差。  
![在这里插入图片描述][20200420211016413.png]  
min：返回各列的最小元素。  
![在这里插入图片描述][20200420211023858.png]  
max：返回各列的最大元素。  
![在这里插入图片描述][20200420211031394.png]  
abs：返回数值型某列的绝对值。  
std：返回数值型各列的标准差。  
![在这里插入图片描述][20200420211052326.png]  
var：返回数值型各列的方差。  
![在这里插入图片描述][20200420211059640.png]  
quantile：返回数值型各列的分位数（可设定几分位，默认50%）。  
![在这里插入图片描述][202004202108485.png]  
cummax：返回累计最大值。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 2]  
cumsum：返回累加和。  
![在这里插入图片描述][20200420210751601.png]  
cumprod：返回累乘。  
![在这里插入图片描述][20200420210805276.png]  
**【问题五】** df.mean(axis=1)是什么意思？它与df.mean()的结果一样吗？第一问提到的函数也有axis参数吗？怎么使用？  
df.mean(axis=1)是指在行方向上求平均值，与df.mean()的结果不一样，df.mean()与df.mean(axis=0)结果相同。  
从官方文档可以看到 axis 有两个取值：index (0), columns (1)，是指函数功能应用在行方向（0）或列方向（1）上。  
![在这里插入图片描述][20200422205637123.png]

### 2、练习 ###

【练习一】 现有一份关于美剧《权力的游戏》剧本的数据集，请解决以下问题：  
（a）在所有的数据中，一共出现了多少人物？  
![在这里插入图片描述][20200420223515500.png]  
（b）以单元格计数（即简单把一个单元格视作一句），谁说了最多的话？  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 3]  
（c）以单词计数，谁说了最多的单词？  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 4]  
【练习二】现有一份关于科比的投篮数据集，请解决如下问题：  
（a）哪种action\_type和combined\_shot\_type的组合是最多的？  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 5]  
（b）在所有被记录的game\_id中，遭遇到最多的opponent是一个支？  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 6]

[Link 1]: https://github.com/datawhalechina/joyful-pandas
[Task01_Pandas]: https://blog.csdn.net/qq_45556599/article/details/105643145
[Task02]: https://blog.csdn.net/qq_45556599/article/details/105696945
[Task03]: https://blog.csdn.net/qq_45556599/article/details/105780504
[Task04]: https://blog.csdn.net/qq_45556599/article/details/105825824
[Task05]: https://blog.csdn.net/qq_45556599/article/details/105870543
[Task06]: https://blog.csdn.net/qq_45556599/article/details/105884269
[Pandas]: https://blog.csdn.net/qq_45556599/article/details/106932836
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70]: /images/20230521/f966230d78b948529bd70a12dc2befc9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 1]: /images/20230521/c03b5c47f7e04289970e4a5ef07ebcf6.png
[20200420210944110.png]: /images/20230521/7b854f9d32744cd0925ed1e92ce85e3c.png
[20200420210955481.png]: /images/20230521/5193a9202134442bb7e0b308f92e8b9e.png
[20200420211004963.png]: /images/20230521/5cc68f34623b4a8d911b4f9c61d2ec06.png
[20200420211016413.png]: /images/20230521/a5cabd1ba4a043cb8000816869c482fa.png
[20200420211023858.png]: /images/20230521/c80e6b16d0c740aca59d6c3535e2ad71.png
[20200420211031394.png]: /images/20230521/6482964b1f424a4cbf272c21e8042970.png
[20200420211052326.png]: /images/20230521/1b201ad1f1064135b6e76e83a4100b81.png
[20200420211059640.png]: https://img-blog.csdnimg.cn/20200420211059640.png
[202004202108485.png]: https://img-blog.csdnimg.cn/202004202108485.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200420210831968.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5,size_16,color_FFFFFF,t_70
[20200420210751601.png]: https://img-blog.csdnimg.cn/20200420210751601.png
[20200420210805276.png]: https://img-blog.csdnimg.cn/20200420210805276.png
[20200422205637123.png]: https://img-blog.csdnimg.cn/20200422205637123.png
[20200420223515500.png]: https://img-blog.csdnimg.cn/20200420223515500.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200420223531251.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/2020042022360469.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200420223635130.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200420223646859.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1NTU2NTk5,size_16,color_FFFFFF,t_70