最全的pandas面试基础100题目
阅读路线:
- 准备工作
- 生成对象
- 选择需要的数据
- 运算
- 合并(Merge)
- 分组(Grouping)
- 重塑(Reshaping)
- 数据透视表(Pivot Tables)
- 类别型(Categoricals)
- pandas DataFrame里的操作
- 索引
一、准备工作
import numpy as np
import pandas as pd
在进行下面的题目操作时,一定要先导入上面的两个数据分析包pandas、numpy
二、生成对象
1. 如何用Python的列表创建一个series?
s = pd.Series([1, 3, 5, np.nan, 6, 8])
输出:
一个series是一个一维的标记数组,可以容纳任何数据类型(整数、字符串、浮点数、Python对象等)。必须记住,与Python列表不同,一个series总是包含相同类型的数据。
2.如何使用列表创建一个DataFrame?
# 导入pandas
import pandas as pd
# 字符串列表
lst = ["Gamer47","Shox","Simple"]
# 在列表中调用DataFrame构造函数
df = pd.DataFrame(lst)
输出:
3.如何使用Series 字典对象生成 DataFrame?
df2 = pd.DataFrame({'A': 1.,
'B': pd.Timestamp('20130102'),
'C': pd.Series(1, index=list(range(4)), dtype='float32'),
'D': np.array([3] * 4, dtype='int32'),
'E': pd.Categorical(["test", "train", "test", "train"]),
'F': 'foo'})
输出:
4.如何在pandas中创建一个空的DataFrame?
要创建一个完全空的pandas dataframe,我们使用以下操作:
import pandas as pd
df = pd.DataFrame()
输出:
二.查看数据:
已知有这样的数据,如何进行查看
dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
输出:
1. 如何查看头部数据?
2.如何查看尾部数据?
3.如何快速查看数据的统计摘要?
4.如何查询索引和列名?
三、选择需要的数据
1.获取数据
1.1先创建数据:
dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
1.2选择单列,产生 Series
1.3用 [ ] 切片行:
2.按标签选择
详见按标签选择。
2.1用标签提取一行数据:
2.2用标签选择多列数据:
2.3用标签切片,包含行与列结束点:
2.4返回对象降维:
2.5提取标量值:
2.6快速访问标量,与上述方法等效:
3.按位置选择
详见按位置选择。
3.1用整数位置选择:
3.2类似 NumPy / Python,用整数切片:
3.3 类似 NumPy / Python,用整数列表按位置切片:
3.4显式整行切片:
3.5 显式整列切片:
3.6显式提取值:
3.7 快速访问标量,与上述方法等效:
4.布尔索引
4.1用单列的值选择数据:
4.2选择 DataFrame 里满足条件的值:
4.3 用 isin() 筛选:
5.赋值
5.1用索引自动对齐新增列的数据:
5.2 按标签赋值:
5.3按位置赋值:
5.4按 NumPy 数组赋值:
5.5上述赋值结果:
5.6用 where 条件赋值:
四.运算
1.如何得到一个数列的最小值、第25百分位、中值、第75位和最大值?
import pandas as pd
import numpy as np
from numpy import percentile
p = pd.Series(np.random.normal(14, 6, 22))
state = np.random.RandomState(120)
p = pd.Series(state.normal(14, 6, 22))
print(percentile(p, q=[0, 25, 50, 75, 100]))
输出:
2.如何获得panda DataFrame中一个列的平均值?
Pandas dataframe.mean(axis=None)函数返回所请求轴(axis=0代表对列进行求平均值,axis=1代表对行进行求平均值)的值的平均值。
示例:使用 mean() 函数查找索引轴上所有观测值的平均值。
import pandas as pd
df = pd.DataFrame({"A":[12, 4, 5, 44, 1],
"B":[5, 2, 54, 3, 2],
"C":[20, 16, 7, 3, 8],
"D":[14, 3, 17, 2, 6]})
df
输出:
让我们使用datafame .mean()函数来查找索引轴上的平均值。
3.如何将函数应用到DataFrame中的每个数据元素?
可以使用 apply() 函数以便将函数应用于给定数据帧中的每一行。让我们来看看我们完成这项任务的方式。
实例:
import pandas as pd
def add(a, b, c):
return a + b + c
def main():
data = {
'A':[1, 2, 3],
'B':[4, 5, 6],
'C':[7, 8, 9] }
df = pd.DataFrame(data)
print("Original DataFrame:\n", df)
df['add'] = df.apply(lambda row : add(row['A'],
row['B'], row['C']), axis = 1)
print('\nAfter Applying Function: ')
print(df)
if __name__ == '__main__':
main()
输出:
4.如何在panda中获得一个DataFrame的行数和列数?
import numpy as np
raw_data = {'name': ['Willard Morris', 'Al Jennings', 'Omar Mullins', 'Spencer McDaniel'],
'age': [20, 19, 22, 21],
'favorite_color': ['blue', 'red', 'yellow', "green"],
'grade': [88, 92, 95, 70]}
df = pd.DataFrame(raw_data, columns = ['name', 'age', 'favorite_color', 'grade'])
输出:
获取df的行和列计数
df.shape
输出:
5.如何在panda DataFrame中获得列值的总和?
Pandas dataframe.sum()函数返回所请求轴的值的和
语法: DataFrame.sum(axis=None, skipna=None, )
参数:
- axis : {index (0), columns (1)},axis=0代表对列进行求和,axis=1代表对行进行求和
- skipna : 计算结果时排除NA /空值
示例1:使用 sum() 函数查找索引轴上所有值的总和
#导入数据
import pandas as pd
df = pd.read_csv("C:/Users/SNOWWOLF/Desktop/NBAPlayers.txt",delimiter="\t")
现在求出沿索引轴的所有值的和。我们将跳过计算和时的NaN值。
# 查找索引轴的和,默认情况下,轴设置为0
df.sum(axis = 0, skipna = True)
输出:
五.合并:
1.如何将新行追加到pandas DataFrame?
Pandas dataframe.append()函数的作用是:将其他dataframe的行追加到给定的dataframe的末尾,返回一个新的dataframe对象。
语法:
DataFrame.append( ignore_index=False,)
参数:
- ignore_index : 如果为真,就不要使用索引标签
示例1: 创建两个数据框,然后将第二个附加到第一个。
importpandas as pd
# 使用dictionary创建第一个Dataframe
df1 =df =pd.DataFrame({"a":[1, 2, 3, 4],
"b":[5, 6, 7, 8]})
# 使用dictionary创建第二个Dataframe
df2 =pd.DataFrame({"a":[1, 2, 3],
"b":[5, 6, 7]})
现在将df2附加到df1的末尾
df1.append(df2)
输出:
请注意,第二个DataFrame的索引值保留在附加的DataFrame中。如果我们不希望发生这种情况,则可以设置ignore_index = True。
df.append(df2, ignore_index = True)
输出 :
2.如何将所有行的值都相同的标量列添加到panda DataFrame中?
Dataframe.add()方法用于添加dataframe和其他元素(二进制操作符add)。
import pandas as pd
import numpy as np
# 创建一个dataframe
np.random.seed(25)
df = pd.DataFrame(np.random.rand(10, 3), columns =['A', 'B', 'C'])
输出:
六.分组(Grouping)
“group by” 指的是涵盖下列一项或多项步骤的处理流程:
- 分割:按条件把数据分割成多组;
- 应用:为每组单独应用函数;
- 组合:将处理结果组合成一个数据结构。
详见分组。
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar',
'foo', 'bar', 'foo', 'foo'],
'B': ['one', 'one', 'two', 'three',
'two', 'two', 'one', 'three'],
'C': np.random.randn(8),
'D': np.random.randn(8)})
df
输出:
1.先分组,再用
sum()
函数计算每组的汇总数据:
df.groupby('A').sum()
输出:
2.多列分组后,生成多层索引,也可以应用 sum 函数:
df.groupby(['A', 'B']).sum()
输出:
七.重塑(Reshaping)
如何将numpy数组转换为给定形状的DataFrame?
我们可以像下面的示例一样,将p系列重新组合成一个6行2列的dataframe
import pandas as pd
import numpy as np
# Input
p = pd.Series(np.random.randint(1, 7, 35))
info = pd.DataFrame(p.values.reshape(7,5))
输出:
八.数据透视表
详见:数据透视表
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': ['one', 'one', 'two', 'three'] * 3,
'B': ['A', 'B', 'C'] * 4,
'C': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 2,
'D': np.random.randn(12),
'E': np.random.randn(12)})
打印输出:
用上述数据生成数据透视表非常简单:
pd.pivot_table(df, values='D', index=['A', 'B'], columns=['C'])
返回结果:
九.类别型(Categoricals)
Pandas 的 DataFrame 里可以包含类别数据。完整文档详见类别简介 和 API 文档。
源数据:
df = pd.DataFrame({"id": [1, 2, 3, 4, 5, 6],
"raw_grade": ['a', 'b', 'b', 'a', 'a', 'e']})
1.将 grade 的原生数据转换为类别型数据:
df["grade"] = df["raw_grade"].astype("category")
df["grade"]
输出:
2.用有含义的名字重命名不同类型,调用 Series.cat.categories。
df["grade"].cat.categories = ["very good", "good", "very bad"]
3.重新排序各类别,并添加缺失类,Series.cat 的方法默认返回新 Series。
df["grade"] = df["grade"].cat.set_categories(["very bad", "bad", "medium","good", "very good"])
df["grade"]
输出:
注意,这里是按生成类别时的顺序排序,不是按词汇排序:
df.sort_values(by="grade")
输出:
按类列分组(groupby)时,即便某类别为空,也会显示:
df.groupby("grade").size()
输出:
十.panda DataFrame里的操作
1.如何将列添加到pandas DataFrame?
#导入pandas
import pandas as pd
# 定义一个包含学生数据的字典
data = {"Name": ["Jai","Princi", "Gaurav" ,"Anuj"],
"Height": [5.1, 6.2, 5.1, 5.2],
"Qualification": ["Msc", "Ma","Msc", "Msc"]}
# 将字典转换成DataFrame
df = pd.DataFrame(data)
# 声明要转换为列的列表
address = ["Delhi", "Bangalore", "Chennai" ,"Patna"]
# 使用“address”作为列名
df["Address"] = address
# 观察结果
df
输出:
2.如何向panda DataFrame添加索引、行或列?
向DataFrame添加索引
如果您创建了一个DataFrame, panda允许将输入添加到索引参数中。它将确保您拥有所需的索引。否则,在默认情况下,DataFrame包含一个数值索引,该索引从0开始,在DataFrame的最后一行结束。
向DataFrame添加行、列
我们可以使用.loc、iloc和ix将行、列插入到DataFrame中。
添加具有特定索引名的行:
import pandas as pd
employees = pd.DataFrame(
data={'Name': ['John Doe', 'William Spark'],
'Occupation': ['Chemist', 'Statistician'],
'Date Of Join': ['2018-01-25', '2018-01-26'],
'Age': [23, 24]},
index=['Emp001', 'Emp002'],
columns=['Name', 'Occupation', 'Date Of Join', 'Age'])
print("\n------------ BEFORE ----------------\n")
print(employees)
employees.loc['Emp003'] = ['Sunny', 'Programmer', '2018-01-25', 45]
print("\n------------ AFTER ----------------\n")
print(employees)
输出:
3.如何在panda DataFrame上进行迭代?
您可以通过结合使用for循环和对DataFrame的iterrows()调用来遍历DataFrame的行。
import pandas as pd
import numpy as np
df = pd.DataFrame([{'c1':10, 'c2':100}, {'c1':11,'c2':110}, {'c1':12,'c2':120}])
for index, row in df.iterrows():
print(row['c1'], row['c2'])
输出:
4.我们如何排序DataFrame?
我们可以通过以下几种有效地在DataFrame中执行排序:
- 按标签
- 按实际值
(1)按标签
可以使用sort_index()方法对数据dataframe进行排序。可以通过传递axis参数和排序顺序来实现。默认情况下,按升序对行标签进行排序。
import numpy as np
unsorted_df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],
columns = ['col2','col1'])
sorted_df=unsorted_df.sort_index()
print (sorted_df)
输出:
排序顺序
通过将布尔值传递给升序参数,可以控制排序的顺序。让我们考虑下面的例子来理解这个问题
import pandas as pd
import numpy as np
unsorted_df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],columns = ['col2','col1'])
sorted_df = unsorted_df.sort_index(ascending=False)
print(sorted_df)
输出:
对列进行排序
通过传递值为0或1的axis参数,可以对列标签进行排序。默认情况下,axis=0,按行排序。让我们考虑下面的例子来理解这个问题。
import pandas as pd
import numpy as np
unsorted_df = pd.DataFrame(np.random.randn(10, 2), index=[1, 4, 6, 2, 3, 5, 9, 8, 0, 7], columns = ['col2', 'col1'])
sorted_df = unsorted_df.sort_index(axis=1)
print(sorted_df)
输出:
(2)按照实际值
DataFrame.sort_values(by, axis=0, ascending=True, inplace=False)
sort_values提供了一个功能,我们可以在其中指定要排序的值的DataFrame列名。它是通过传递“by”参数来完成的。
参数解析:
- axis:{0 or ‘index’, 1 or ‘columns’}, default 0,默认按照索引排序,即纵向排序,如果为1,则是横向排序
- by:如果axis=0,那么by="列名";如果axis=1,那么by="行名";
- ascending:布尔型,True则升序,可以是[True,False],即第一字段升序,第二个降序
- inplace:布尔型,是否用排序后的数据框替换现有的数据框
import numpy as np
import pandas as pd
from pandas import DataFrame
data=[["a",2,301],["b",1,201],["c",2,201],["d",1,301],["e",2,301]]
df=pd.DataFrame(data,columns=["A","B","C"])
查看源数据:
df.sort_values(by=["C","B"],ascending=[False,True],inplace=True)
输出:
data_1=[[300,2,301],[2,1,201],[3,300,201],[100,1,301],[500,2,301]]
df_1=pd.DataFrame(data_1,columns=["A","B","C"])
输出:
df_1.sort_values(by=0,axis=1,inplace=True)
输出:
7.如何删除panda DataFrame中的行?
import pandas as pd
data = {'name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'],
'year': [2012, 2012, 2013, 2014, 2014],
'reports': [4, 24, 31, 2, 3]}
df = pd.DataFrame(data, index = ['Cochice', 'Pima', 'Santa Cruz', 'Maricopa', 'Yuma'])
df
输出:
删除行
df.drop(['Cochice', 'Pima'])
输出 :
十二.索引
1.简述Pandas Index
在panda中建立索引意味着简单地从DataFrame中选择特定的数据行和列。
pandas支持四种类型的多轴索引,它们是:
- Dataframe.[ ] 此函数称为索引运算符
- Dataframe.loc[ ] : 此函数用于标签
- Dataframe.iloc[ ] : 此函数用于基于位置或整数的
- Dataframe.ix[] : 此函数用于基于标签和整数的
它们统称为索引器。这些是迄今为止索引数据最常见的方法。这四个函数有助于从DataFrame获取元素、行和列。
2.Pandas 定义重新索引(Reindexing)
重新索引会更改DataFrame的行标签和列标签。重新索引意味着使数据符合特定轴上给定的一组标签。
多个操作可以通过像这样的索引来完成:
- 重新排序现有数据以匹配一组新的标签。
- 在不存在标签数据的标签位置插入缺失值(NA)标记。
import pandas as pd
import numpy as np
N=20
df = pd.DataFrame({
'A': pd.date_range(start='2016-01-01',periods=N,freq='D'),
'x': np.linspace(0,stop=N-1,num=N),
'y': np.random.rand(N),
'C': np.random.choice(['Low','Medium','High'],N).tolist(),
'D': np.random.normal(100, 10, size=(N)).tolist()
})
df_reindexed = df.reindex(index=[0,2,5], columns=['A', 'C', 'B'])
print df_reindexed
输出:
3.如何设置索引?
panda set_index()是一种将列表、序列或dataframe设置为dataframe索引的方法。
语法:
DataFrame.set_index(keys, inplace=False)
参数:
- keys:列标签或列标签/数组列表,需要设置为索引的列
- inplace:默认为False,适当修改DataFrame(不要创建新对象)
改变索引列
在本例中,名称列被用作DataFrame的索引列
import pandas as pd
data = pd.read_csv("employees.csv")
data.set_index("First Name", inplace = True)
#观察数据
data.head()
输出:
如输出图像所示,以前索引列是一系列数字,但后来它被替换为名称
Before Operation –
After Operation
4.如何重置索引?
Pandas Series.reset_index()
函数的作用是:生成一个新的DataFrame或带有重置索引的Series。
例1: 使用 Series.reset_index() 函数重置给定Series对象的索引
# 导入pandas包
import pandas as pd
# 创建 Series
sr = pd.Series([10, 25, 3, 11, 24, 6])
# 创建索引
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
# 设置索引
sr.index = index_
# 打印series
print(sr)
输出:
现在,我们将使用Series.reset_index()函数来重置给定的series对象的索引
# 重置索引
result = sr.reset_index()
# 打印
print(result)
输出 :
从输出中可以看到,该 Series.reset_index() 函数已将给定Series对象的索引重置为默认值。它保留了索引,并将其转换为列。