pandas 面试题挑战六

从Series的字符串中过滤出email地址

现有Series如下：

emails = pd.Series(['buying books at amazom.com', 'rameses@egypt.com', 'matt@t.co', 'narendra@modi.com'])

解决办法：

import re
pattern ='[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,4}'
mask = emails.map(lambda x: bool(re.match(pattern, x)))
emails[mask]

结果如下：

1    rameses@egypt.com
2            matt@t.co
3    narendra@modi.com
dtype: object

重点解读：
这题的重点是对正则表达式的使用，这个建议还是先把pattern ='[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,4}'这个看懂，如果不懂就去学学正则吧，花点心思，问题不大。
mask = emails.map(lambda x: bool(re.match(pattern, x)))， 这个重点是对map的理解，map就是把Series中的每个元素都交给内部的函数处理进行，获得一个mask。
然后根据mask做过滤就好了。
mask如下：

0    False
1     True
2     True
3     True
dtype: bool

把一个Series按照另外一个Series的元素进行分组，并求均值。

现有两个Series如下：

fruit = pd.Series(np.random.choice(['apple', 'banana', 'carrot'], 10))
weights = pd.Series(np.linspace(1, 10, 10))
print(weights)
print(fruit)

输出：

0     1.0
1     2.0
2     3.0
3     4.0
4     5.0
5     6.0
6     7.0
7     8.0
8     9.0
9    10.0
dtype: float64
0    banana
1    banana
2    carrot
3     apple
4    carrot
5     apple
6    banana
7     apple
8     apple
9    banana
dtype: object

现在把weights中的元素按照fruit的元素为进行分组，并求平均值
解决办法：

weights.groupby(fruit).mean()

输出：

apple     6.75
banana    5.00
carrot    4.00
dtype: float64

求两个Series的模值差

现有两个Series如下：

p = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
q = pd.Series([10, 9, 8, 7, 6, 5, 4, 3, 2, 1])

其实就是把p，q看成是两个向量，然后可以方便的使用np.linalg.norm()来解决问题。

p = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
q = pd.Series([10, 9, 8, 7, 6, 5, 4, 3, 2, 1])
np.linalg.norm(p-q)

结果如下：

18.16590212458495

找到出现最少的字符，并使用它填充字符串的空白位置

现有Series如下：

my_str = 'dbc deb abed gade'

找到出现最少的字符，并使用它填充字符串的空白位置。
解决如下：

ser = pd.Series(list('dbc deb abed gade'))
freq = ser.value_counts()

least_freq = freq.dropna().index[-1]
"".join(ser.replace(' ', least_freq))

结果如下：

'dbccdebcabedcgade'

重点解读：
freq = ser.value_counts(),首先通过ser.value_counts()计算出所有字符出现的频率。
least_freq = freq.dropna().index[-1]， freq.dropna()可以删除关于空白的统计，然后找到索引的最后的位置，这个就是出现最少的字符。
"".join(ser.replace(' ', least_freq))，最后就容易了，通过ser.replace就搞定了。

创建Series，索引按照week 递进，值为随机数，范围1 - 10

产生类似的输出：

image.png

解决方式如下：

ser = pd.Series(np.random.randint(1,10,10),pd.date_range('2000-01-01', periods=10, freq='7D'))
ser

重点解读：
pd.date_range('2000-01-01', periods=10, freq='7D') 代表从'2000-01-01'开始，periods=10意味一共产生10个数据，freq='7D'频率是7天，D代表天。