最全的pandas面试基础100题目

在进行下面的题目 *** 作时，一定要先导入上面的两个数据分析包 pandas、numpy

1 如何用Python的列表创建一个series

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

输出：

3如何使用Series 字典对象生成 DataFrame

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 *** 作：

输出：

已知有这样的数据，如何进行查看

输出：

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

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:

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。

2Pandas 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 *** 作可以通过像这样的索引来完成:

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:

DataFrameset_index(keys, inplace=False)

参数:

改变索引列

在本例中，名称列被用作DataFrame的索引列

输出:

如输出图像所示，以前索引列是一系列数字

Before Operation –

After Operation

4如何重置索引

Pandas Seriesreset_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 Seriesreset_index() 函数重置给定Series对象的索引

输出:

现在，我们将使用Seriesreset_index()函数来重置给定的series对象的索引

输出 :

从输出中可以看到，该 Seriesreset_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。

11先创建数据:

12选择单列，产生 Series

详见 按标签选择 。

21用标签提取一行数据：

详见 按位置选择 。

31用整数位置选择：

41用单列的值选择数据：

51用索引自动对齐新增列的数据：

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

输出:

Pandas dataframemean(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。

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dataframe中的每一行。让我们来看看我们完成这项任务的方式。

实例:

输出：

4如何在panda中获得一个DataFrame的行数和列数

输出:

获取df的行和列计数

输出:

5如何在panda DataFrame中获得列值的总和

Pandas dataframesum() 函数返回所请求轴的值的和

语法: DataFramesum(axis=None, skipna=None, )

参数:

示例1: 使用 sum() 函数查找索引轴上所有值的总和

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。

输出:

如何将新行追加到pandas DataFrame？

Pandas dataframeappend() 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:

DataFrameappend( ignore_index=False,)

参数:

示例1： 创建两个数据框，然后将第二个附加到第一个。

现在将df2附加到df1的末尾

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。

输出 :

“group by” 指的是涵盖下列一项或多项步骤的处理流程：

详见 分组 。

输出:

1先分组，再用 sum() 函数计算每组的汇总数据：

输出:

2多列分组后，生成多层索引，也可以应用 sum 函数：

输出:

如何将numpy数组转换为给定形状的DataFrame

输出:

输出:

透视表是一种可以对数据动态排布并且分类汇总的表格格式，在pandas中它被称作pivot_table。

pivot_table(data, values=None, index=None, columns=None)

参数:

详见: 数据透视表

打印输出：

用上述数据生成数据透视表非常简单：

返回结果:

1如何将列添加到pandas DataFrame？

源数据:

输出:

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:

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。

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：

(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。

注：《利用python进行数据分析》的学习笔记-pandas

import pandas as pd

import numpy as np

一维数组，包含一个数组对象，一个索引对象，索引对象默认为0开始的递增数字，可通过index=[idx1, idx2, ]参数指定

可通过索引选取/修改相应的数据，选取：data=series[idx], 修改：series[[idxm, idxn, ]]=[dm, dn, ]

series可看成定长有序字典，索引到数据的映射，series可用于字典参数的函数中。idxn in series返回True/False

多个series做算术 *** 作，会自动对齐不同索引的数据，无此数据自动填充NaN

可看作多个series组成的表单，dataframe有两种索引，与series相同的index行索引，还有columns列索引

选取/修改一行数据    dataframeloc['index']

选取/修改一列数据    dataframe['column'], dataframecolumn

objreindex(newIndex)                                                                                                    #适用于series与dataframe

objreindex(index=newIndex, columns=newcolumns)                                                    #dataframe需对行索引列索引都重新索引时

objreindex(index=newindex, columns=newcolumns, fill_value=100)                            #指定填充值，不指定时填充NaN

objreindex(index=newindex, columns=newcolumns, fill_value=100, method='ffill')      #指定填充方法ffill/pad(前向填充),bfill/backfill(后向填充)

obj=objdrop(index, axis=0)

obj=objdrop([col1, col2, ], axis=1)

axis默认为0，删除列数据时指定axis为1

series

obj = pdSeries(range(5), index=list('abcde'))

取单数            obj[2]，      obj['c']

切片取数        obj[2:5]，    obj['a':'c']

不连续取数    obj[1,3]，    obj['a','c','d']

过滤               obj[obj>2],

修改               obj[3]=0,

注：series切片不用于python数据结构的切片，series的切片包含末端，即python:[start, end), series:[start, end]

dataframe

obj = pdDataFrame(nparange(15)reshape((3,5)),

                        index = ['one', 'two', 'three'],

                        columns = list('abcde') )

取单列             objloc[:, 'c'],                             objiloc[:, 2],                            objxs('c', axis=1),                       obj['c']， 

取单行             objloc['one'],                            objiloc[1],                               objxs('one', axis=0), 

取连续行         objloc['one':'three'],                  objiloc[1:3],                obj[:2], 

取连续列         objloc[:, 'b':'d'],                         objiloc[:, 2:4],

取不连续行     objloc[['one','three']]                 objiloc[[0,2]],

取不连续列     objloc[:, ['b', 'e']]                       objiloc[:, [1,4]],

取单行单列     objloc['two', 'd']                         objiloc[2, 4]

取连续行列     objloc['one':'three', 'b':'d']          objiloc[:2, 2:4]

取不连续行列  objloc[['one','three'], ['b':'d']]     objiloc[[0,2], [1,4]]

根据列值过滤行      objloc[obj['c']%2==0, :]      

此处吐个槽，这个切片方法一会儿只能取单列，一会儿只能取连续行，一会儿包含终止项，一会儿不包含，我人都傻了

loc/iloc方法接收两个参数，第一个是行，第二个是列，都可切片，也都可指定索引，列参数可以不写，默认取所有列数据

下面总结下这个花哨的切片！

dataframe有两种索引，行索引/列索引。每种索引包含两类用法，索引名称(对应dfloc)/索引下标对应(dfiloc)

①    df[columnName]                                             取单列数据，只能用列名，不能使用列下标，不能用于取单行

②    df[lineName1: lineName2]                              取连续行数据，使用行名时，包含末尾项，即[start，end]

③    df[lineIndex1: lineIndex2]                                取连续行数据，使用行下标时，不包含末尾项 ，即[start，end)

④    dfloc['line2':'line4']                                          取连续行数据，使用行名时，包含末尾项，即[start，end]      

⑤    dfiloc[2:4]                                                       取连续行数据，使用行下标时，不包含末尾项 ，即[start，end) 

⑥    dfloc[:, columnName1:columnName2]          取连续列，使用列名时，包含末尾项，即[start，end]    

⑦    dfiloc[:, columnIndex1:columnIndex2]           取连续列，使用列下标时，不包含末尾项，即[start，end)

⑧    dfloc[[lineName1, ], [columnName1, ]]    使用行名/列名取不连续行列

⑨    dfiloc[[lineIndex1, ], [columnIndex1, ]]     使用行下标/列下标取不连续行列

以前用的时候总觉得奇奇怪怪的，花了一下午时间一个一个尝试终于捋顺了，欧耶！ (〃￣︶￣) 人 (￣︶￣〃)

DataFrame直接切片，即df[args]，可用于指定列名取单列数据，可用于指定行名/行下标取连续多行数据

                                                        取单行数据不可直接切片，需使用loc/iloc方法

DataFrameloc(line, column)    用于按索引名称取行/列数据，此时，首尾项都会被取出

                                                 参数line指定行索引名称，参数2指定列索引名称（可省略，默认选取所有列）。

DataFrameiloc(line, column)   用于按索引下标取行/列数据，此时，尾项数据不会被取出

                                                 参数line指定行索引下标，参数2指定列索引下标（可省略，默认选取所有列）。

导入 Pandas：

查看 Pandas 版本信息：

Pandas 的数据结构：Pandas 主要有 Series（一维数组），DataFrame（二维数组），Panel（三维数组），Panel4D（四维数组），PanelND（更多维数组）等数据结构。其中 Series 和 DataFrame 应用的最为广泛。

Series 是一维带标签的数组，它可以包含任何数据类型。包括整数，字符串，浮点数，Python 对象等。Series 可以通过标签来定位。

DataFrame 是二维的带标签的数据结构。我们可以通过标签来定位数据。这是 NumPy 所没有的。

Pandas 中，Series 可以被看作由 1 列数据组成的数据集。

创建 Series 语法：s = pdSeries(data, index=index)，可以通过多种方式进行创建，以下介绍了 3 个常用方法。

从列表创建 Series：

从 Ndarray 创建 Series：

从字典创建 Series：

修改 Series 索引：

Series 纵向拼接：

Series 按指定索引删除元素：

Series 修改指定索引元素：

Series 按指定索引查找元素：

Series 切片 *** 作：

Series 加法运算：

Series 的加法运算是按照索引计算，如果索引不同则填充为 NaN（空值）。

Series 减法运算：

Series的减法运算是按照索引对应计算，如果不同则填充为 NaN（空值）。

Series 乘法运算：

Series 的乘法运算是按照索引对应计算，如果索引不同则填充为 NaN（空值）。

Series 除法运算：

Series 的除法运算是按照索引对应计算，如果索引不同则填充为 NaN（空值）。

Series 求中位数：

Series 求和：

Series 求最大值：

Series 求最小值：

与 Sereis 不同，DataFrame 可以存在多列数据。一般情况下，DataFrame 也更加常用。

通过 NumPy 数组创建 DataFrame：

通过字典数组创建 DataFrame：

查看 DataFrame 的数据类型：

预览 DataFrame 的前 5 行数据：

查看 DataFrame 的后 3 行数据：

查看 DataFrame 的索引：

查看 DataFrame 的列名：

查看 DataFrame 的数值：

查看 DataFrame 的统计数据：

DataFrame 转置 *** 作：

对 DataFrame 进行按列排序：

对 DataFrame 数据切片：

对 DataFrame 通过标签查询（单列）：

对 DataFrame 通过标签查询（多列）：

对 DataFrame 通过位置查询：

DataFrame 副本拷贝：

判断 DataFrame 元素是否为空：

添加列数据：

根据 DataFrame 的下标值进行更改。：

根据 DataFrame 的标签对数据进行修改：

DataFrame 求平均值 *** 作：

对 DataFrame 中任意列做求和 *** 作：

将字符串转化为小写字母：

将字符串转化为大写字母：

对缺失值进行填充：

删除存在缺失值的行：

DataFrame 按指定列对齐：

CSV 文件写入：

CSV 文件读取：

Excel 写入 *** 作：

Excel 读取 *** 作：

建立一个以 2018 年每一天为索引，值为随机数的 Series：

统计s 中每一个周三对应值的和：

统计s中每个月值的平均值：

将 Series 中的时间进行转换（秒转分钟）：

UTC 世界时间标准：

转换为上海所在时区：

不同时间表示方式的转换：

创建多重索引 Series：

构建一个 letters = ['A', 'B', 'C'] 和 numbers = list(range(10))为索引，值为随机数的多重索引 Series。

多重索引 Series 查询：

多重索引 Series 切片：

根据多重索引创建 DataFrame：

创建一个以 letters = ['A', 'B'] 和 numbers = list(range(6))为索引，值为随机数据的多重索引 DataFrame。

多重索引设置列名称：

DataFrame 多重索引分组求和：

DataFrame 行列名称转换：

DataFrame 索引转换：

DataFrame 条件查找：

查找 age 大于 3 的全部信息

根据行列索引切片：

DataFrame 多重条件查询：

查找 age<3 且为 cat 的全部数据。

DataFrame 按关键字查询：

DataFrame 按标签及列名查询。：

DataFrame 多条件排序：

按照 age 降序，visits 升序排列

DataFrame 多值替换：

将 priority 列的 yes 值替换为 True，no 值替换为 False。

DataFrame 分组求和：

使用列表拼接多个 DataFrame：

找出 DataFrame 表中和最小的列：

DataFrame 中每个元素减去每一行的平均值：

DataFrame 分组，并得到每一组中最大三个数之和：

当分析庞大的数据时，为了更好的发掘数据特征之间的关系，且不破坏原数据，就可以利用透视表 pivot_table 进行 *** 作。

透视表的创建：

新建表将 A, B, C 列作为索引进行聚合。

透视表按指定行进行聚合：

将该 DataFrame 的 D 列聚合，按照 A,B 列为索引进行聚合，聚合的方式为默认求均值。

透视表聚合方式定义：

上一题中 D 列聚合时，采用默认求均值的方法，若想使用更多的方式可以在 aggfunc 中实现。

透视表利用额外列进行辅助分割：

D 列按照 A,B 列进行聚合时，若关心 C 列对 D 列的影响，可以加入 columns 值进行分析。

透视表的缺省值处理：

在透视表中由于不同的聚合方式，相应缺少的组合将为缺省值，可以加入 fill_value 对缺省值处理。

在数据的形式上主要包括数量型和性质型，数量型表示着数据可数范围可变，而性质型表示范围已经确定不可改变，绝对型数据就是性质型数据的一种。

绝对型数据定义：

对绝对型数据重命名：

重新排列绝对型数据并补充相应的缺省值：

对绝对型数据进行排序：

对绝对型数据进行分组：

缺失值拟合：

在FilghtNumber中有数值缺失，其中数值为按 10 增长，补充相应的缺省值使得数据完整，并让数据为 int 类型。

数据列拆分：

其中From_to应该为两独立的两列From和To，将From_to依照_拆分为独立两列建立为一个新表。

字符标准化：

地点的名字都不规范（如：londON应该为London）需要对数据进行标准化处理。

删除坏数据加入整理好的数据：

将最开始的 From_to 列删除，加入整理好的 From 和 to 列。

去除多余字符：

如同 airline 列中许多数据有许多其他字符，会对后期的数据分析有较大影响，需要对这类数据进行修正。

格式规范：

在 RecentDelays 中记录的方式为列表类型，由于其长度不一，这会为后期数据分析造成很大麻烦。这里将 RecentDelays 的列表拆开，取出列表中的相同位置元素作为一列，若为空值即用 NaN 代替。

信息区间划分：

班级一部分同学的数学成绩表，如下图所示

但我们更加关心的是该同学是否及格，将该数学成绩按照是否>60来进行划分。

数据去重：

一个列为A的 DataFrame 数据，如下图所示

尝试将 A 列中连续重复的数据清除。

数据归一化：

有时候，DataFrame 中不同列之间的数据差距太大，需要对其进行归一化处理。

其中，Max-Min 归一化是简单而常见的一种方式，公式如下:

Series 可视化：

DataFrame 折线图：

DataFrame 散点图：

DataFrame 柱形图：

obj : 参与合并的对象，如：[df1, df2]

axis : 合并方向

join : 合并方式，outer 为外链接，取交集

join_axes : 设置需要显示的列名

ignore_index : 是否忽略原来DataFrame/Series 对象的索引，重新排列

keys : 为数据源设置多级索引标签

levels :如果设置keys的话, 指定用作层次化索引各级别（内层索引）上的索引

names :用于创建分层级别的名称，如果设置keys或levels的话

verify_integrity : 检查是否出现重复索引，引发异常

left ：参与合并的左侧DataFrame

right ：参与合并的右侧DataFrame

how ：连接方式：‘inner’（默认，交集）；还有，‘outer’、‘left’、‘right’

on ：用于连接的列名，必须同时存在于左右两个DataFrame对象中，如果位指定，则以left和right列名的交集作为连接键

left_on ：左侧DataFarme中用作连接键的列

right_on ：右侧DataFarme中用作连接键的列

left_index ：将左侧的行索引用作其连接键

right_index ： 将右侧的行索引用作其连接键

sort ：根据连接键对合并后的数据进行排序，默认为True。有时在处理大数据集时， 禁用该选项 可获得更好的性能

suffixes ：字符串值元组，用于追加到重叠列名的末尾，默认为（‘_x’,‘_y’）例如，左右两个DataFrame对象都有‘data’，则结果中就会出现‘data_x’，‘data_y’

copy ：设置为False，可以在某些特殊情况下避免将数据复制到结果数据结构中。默认总是赋值

用法入门比较简单, 前人的博客写的蛮详尽了

Pandas详解十五之利用GroupBy技术进行分组

补充几点：

data : 用于制作数据透视表的 DataFrame的某列数据，输入列名即可

index ： 行分组标签

columns : 列分组标签

aggfunc : 汇总计算方法,默认为(mean) 可以用字典为不同的列指定不同的累计函数，此时data可以缺失

fill_value ：填充缺失值

dropna : 剔除缺失值

margins : 是否对边际进行aggfunc汇总

margins_name : 边际行/列的名称

以上就是关于最全的pandas面试基础100题目全部的内容，包括:最全的pandas面试基础100题目、pandas索引取数、14Pandas 百题大冲关等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！