Pandas基础1.1｜Python学习笔记

【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？

import pandas as pd
import numpy as np

df = pd.read_csv('C:/Users/PuLinYue/Desktop/joyful-pandas/data/Game_of_Thrones_Script.csv')
df.head()

df.describe() 

df['Name'].nunique() #显示Name有多少个唯一值

564

（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？

df['Name'].value_counts()

tyrion lannister          1760
jon snow                  1133
daenerys targaryen        1048
cersei lannister          1005
jaime lannister            945... 
janos slunt                  1
steward of house stark       1
archmaester                  1
night watch stable boy       1
bryndel                      1
Name: Name, Length: 564, dtype: int64

df['Name'].value_counts().index[0]

'tyrion lannister'

（c）以单词计数，谁说了最多的单词？

#apply(lambda x:len(x.split())) apply函数看每个句子里有多少个单词
df_words = df.assign(Words=df['Sentence'].apply(lambda x:len(x.split()))).sort_values(by='Name')
df_words.head()

df.assign(Words=df['Sentence'].apply(lambda x:len(x.split())))

23911 rows × 7 columns

#基本思路：先对人进行排序
#以will为例。向下统计，若遇到will则将对应的words数加上去，若不是则跳过。
#L_count[-1] 第一个元素特殊处理
L_count = []
N_words = list(zip(df_words['Name'],df_words['Words']))
for i in N_words:if i == N_words[0]:L_count.append(i[1])last = i[0]else:L_count.append(L_count[-1]+i[1] if i[0]==last else i[1])last = i[0]
df_words['Count']=L_count
df_words['Name'][df_words['Count'].idxmax()]

'tyrion lannister'

【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？

df_1 = pd.read_csv('C:/Users/PuLinYue/Desktop/joyful-pandas/data/Kobe_data.csv',index_col='shot_id')
df_1.head()

5 rows × 24 columns

gamegroup = list(zip(df_1['action_type'],df_1['combined_shot_type']))
gamegroup

[('Jump Shot', 'Jump Shot'),('Jump Shot', 'Jump Shot'),
...]

pd.Series(gamegroup).value_counts().index[0]

('Jump Shot', 'Jump Shot')

（b）在所有被记录的game_id中，遭遇到最多的opponent是一个支？

df_1.iloc[:,[3,-1]]#取最后三列

30697 rows × 2 columns

gamegroup_1 = list(zip(df_1['game_id'],df_1['opponent']))
pd.Series(list(list(zip(*(pd.Series(gamegroup_1).unique()).tolist()))[1])).value_counts().index[0]

'SAS'

zip(df_1['game_id'],df_1['opponent'])
list(zip(df_1['game_id'],df_1['opponent']))

[(20000012, 'POR'),(20000012, 'POR'),...]

#unique函数：去重。不可用在list上，需要用在pd.series上。
a = pd.Series(list(zip(df_1['game_id'],df_1['opponent']))).unique()
a

array([(20000012, 'POR'), (20000019, 'UTA'), (20000047, 'VAN'), ...,(49900086, 'IND'), (49900087, 'IND'), (49900088, 'IND')],dtype=object)

a = pd.Series(list(zip(df_1['game_id'],df_1['opponent']))).unique().tolist()
a #无重复元素

[(20000012, 'POR'),(20000019, 'UTA'),(20000047, 'VAN'),(20000049, 'LAC'),(20000058, 'HOU'),...]

#解包——所有的第一个元素拿出来，第二元素拿出来。此时没有重复元素。
#取出两个包：第一个元素的集合、第二个元素的集合。
n = list(zip(*a))
n

pd.Series(n) #变成序列

0    (20000012, 20000019, 20000047, 20000049, 20000...
1    (POR, UTA, VAN, LAC, HOU, SAS, HOU, DEN, SAC, ...
dtype: object

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！