Summary-functions-and-maps
教程
在上一教程中，我們學習了如何從DataFrame或Series中選擇相關數據。 正如我們在練習中所展示的，從我們的數據表示中提取正確的數據對於完成工作至關重要。
但是，數據並非總是以我們想要的格式從內存中出來的。 有時，我們必須自己做一些工作以將其重新格式化以解決當前的任務。 本教程將介紹我們可以應用於數據以獲取“恰到好處”輸入的各種操作。
Pandas提供了許多簡單的“摘要功能”（不是官方名稱），它們以某種有用的方式重組了數據。 例如，考慮一下describe（）方法：
reviews.points.describe()
Output：
此方法生成給定列的屬性的高級摘要。 它可識別類型，這意味着其輸出根據輸入的數據類型而變化。 上面的輸出僅對數字數據有意義； 對於字符串數據，這是我們得到的：
如果要獲取有關DataFrame或Series中某一列的某些特定的簡單摘要統計信息，通常有一個有用的pandas函數可以實現此目的。
例如，要查看分配的分數的平均值（例如，平均評級的葡萄酒表現如何），我們可以使用mean（）函數：
reviews.points.mean()
要查看唯一值的列表，我們可以使用unique（）函數：
reviews.taster_name.unique()
要查看唯一值的列表以及它們在數據集中出現的頻率，我們可以使用value_counts（）方法：
reviews.taster_name.value_counts()
Maps
映射是一個從數學中借來的術語，表示一個函數，該函數采用一組值並將它們“映射”到另一組值。 在數據科學中，我們經常需要根據現有數據創建新的表示形式，或者將數據從現在的格式轉換為我們希望其在以后使用的格式。 地圖是處理這項工作的要素，這對完成工作極為重要！
您將經常使用兩種映射方法。
map（）是第一個，並且稍微簡單一些。 例如，假設我們想將收到的葡萄酒的分數修正為0。我們可以這樣做：
review_points_mean = reviews.points.mean() reviews.points.map(lambda p: p - review_points_mean)
傳遞給map（）的函數應該期望Series中的單個值（在上面的示例中為點值），並返回該值的轉換版本。 map（）返回一個新的Series，其中所有值都已由您的函數轉換。
如果我們要通過在每一行上調用自定義方法來轉換整個DataFrame，則apply（）是等效的方法。
如：
def remean_points(row): row.points = row.points - review_points_mean return row reviews.apply(remean_points, axis='columns')
如果我們使用axis ='index'調用了reviews.apply（），則需要傳遞一個函數來轉換每一列，而不是傳遞函數來轉換每一行。
請注意，map（）和apply（）分別返回新的，轉換后的Series和DataFrames。 他們不會修改被調用的原始數據。 如果我們查看評論的第一行，我們可以看到它仍然具有其原始積分值。
練習
1.
What is the median of the points column in the reviews DataFrame?
median_points = reviews["points"].median() # Check your answer q1.check()
2.
What countries are represented in the dataset? (Your answer should not include any duplicates.)
countries = reviews["country"].unique() # Check your answer q2.check()
3.
How often does each country appear in the dataset? Create a Series reviews_per_country mapping countries to the count of reviews of wines from that country.
reviews_per_country = reviews["country"].value_counts () print(reviews_per_country) # Check your answer q3.check()
4.
Create variable centered_price containing a version of the price column with the mean price subtracted.
(Note: this 'centering' transformation is a common preprocessing step before applying various machine learning algorithms.)
mid=reviews["price"].mean() centered_price = reviews["price"].map(lambda x: x-mid) # Check your answer q4.check()
5.
I'm an economical wine buyer. Which wine is the "best bargain"? Create a variable bargain_wine with the title of the wine with the highest points-to-price ratio in the dataset.
bargain_idx = (reviews.points / reviews.price).idxmax() bargain_wine = reviews.loc[bargain_idx, 'title'] # Check your answer q5.check()
6.
There are only so many words you can use when describing a bottle of wine. Is a wine more likely to be "tropical" or "fruity"? Create a Series descriptor_counts counting how many times each of these two words appears in the description column in the dataset.
n_trop = reviews.description.map(lambda desc: "tropical" in desc).sum() n_fruity = reviews.description.map(lambda desc: "fruity" in desc).sum() descriptor_counts = pd.Series([n_trop, n_fruity], index=['tropical', 'fruity']) print(descriptor_counts) # Check your answer q6.check()
7.
We'd like to host these wine reviews on our website, but a rating system ranging from 80 to 100 points is too hard to understand - we'd like to translate them into simple star ratings. A score of 95 or higher counts as 3 stars, a score of at least 85 but less than 95 is 2 stars. Any other score is 1 star.
Also, the Canadian Vintners Association bought a lot of ads on the site, so any wines from Canada should automatically get 3 stars, regardless of points.
Create a series star_ratings with the number of stars corresponding to each review in the dataset.
def help(row): if(row["country"]=="Canada"): return 3 if(row["points"]>=95): return 3 elif(row["points"]>=85): return 2 else: return 1 star_ratings = reviews.apply(help,axis='columns') print(star_ratings) # Check your answer q7.check()