持续创作，加速生长！这是我参与「日新方案 10 月更文应战」的第4天，点击检查活动概况
留意：本事例运用Jupyter Notebook进行事例演示
1. Pandas数组运算
1.1 核算运算
在数据处理中，能够运用以下函数检查数据的基本情况，获取核算学基本数据信息，比方平均值，中位数等，该办法只会针对数据类型的数进行核算核算，关于字符串形式的列无效。
data.describe()
- 返回值：
- count：样本个数
- mean：平均值
- std：标准差
- min：最小值
- max：最大值
- 25%：25%分位数
- 50%：中位数 — 75%：75%分位数
导入相关库并读取数据：读取数据今后，运用上述函数进行核算核算
import pandas as pd
people = pd.read_csv("data/data140190/人口.csv")
people.describe()
运转成果如下图所示：将核算基本信息进行了核算。
.max()函数
- 能够求数组最大值
- 默认依照每列进行核算：axis=0
获取数据的最大值：
people.max() # 默认按列求最大值 axis=0
运转成果如下图所示：
.idxmax()函数：
- 能够获取最大值地点的位置
- 返回地点位置的索引
# 获取最大值地点位置
people.idxmax()
运转成果如下图所示：
1.2 累计核算函数
.cumsum()函数
- 效果主要便是核算轴向的累加和。
- axis=0：按行累加
- axis=1：按列累加
- 能够通俗了解成：返回数组的第n个数便是原数组前n个数的累加
对表中年份那一列进行累加，并将返回的数组绘制成折线图
people["年份"].cumsum()
people["年份"].cumsum().plot()
运转成果如下图所示：留意此步需要导入matplotlib模块，import matplotlib.pyplot as plt
1.3 自界说运算
apply(func, axis=0)
- func：自界说函数
- axis=0：默认是列，axis=1为行运算
事例：界说每一列最大值-最小值操作
事例中还用到了lambda表达式，在此简略普及一下：
- 在python中运用lambda表达式表明匿名函数（即没有函数名的函数）
- lambda在内部只能包括一行代码
- ：后边便是函数体
<函数对象名> = lambda <形式参数列表>：<表达式>
people.apply(lambda x: x.max()-x.min())
运转成果如下图所示：
1.4 逻辑运算
逻辑运算符号
- <<
- >>
- |
- &
1.4.1 逻辑运算符
比方，我想筛选出年份>2010的数据，就用到了逻辑运算符：
people[people["年份"] >2010]
运转成果如下图所示：
1.4.2 逻辑运算函数
query(expr)
- expr：查询字符串 经过query使得刚才的进程更加便利简略
比方，咱们还想判断年份里是否有2018和2019，详细代码如下所示：
people["年份"].isin([2018, 2019])
运转成果如下图所示：True表明是你想要查询的内容，False表明不是你想要查询的内容
