文章目录
- 1. 某一列中位数
- 2. 统计某列的元素
- 3. 统计某列的元素及出现次数
- 4. 将某列进行相减操作
- 5. 返回最大值所在的索引标签
- 6. 统计某列中某词语出现的次数
- 7. 定义每行的函数，然后将每行扩展到整个列表
运行以下单元格来加载您的数据和一些实用函数（包括用于检查答案的代码）。
import pandas as pd
pd.set_option("display.max_rows", 5)
reviews = pd.read_csv("../input/wine-reviews/winemag-data-130k-v2.csv", index_col=0)from learntools.core import binder; binder.bind(globals())
from learntools.pandas.summary_functions_and_maps import *
print("Setup complete.")reviews.head()
1. 某一列中位数
reviews DataFrame points列的中位数是多少？
median_points = reviews.points.median()
2. 统计某列的元素
数据集中代表了哪些国家/地区？ （您的答案不应包含任何重复项。）
countries = reviews.country.unique()
3. 统计某列的元素及出现次数
每个国家/地区在数据集中出现的频率是多少？创建一个 Series reviews_per_country ，将国家/地区映射到该国家/地区的葡萄酒评论数量。
reviews_per_country = reviews.country.value_counts()
4. 将某列进行相减操作
创建变量centered_price其中包含减去平均价格的price列版本。
（注意：这种“居中”转换是应用各种机器学习算法之前的常见预处理步骤。）
centered_price = reviews.price - reviews.price.mean()
5. 返回最大值所在的索引标签
我是一个经济实惠的葡萄酒买家。哪种酒是“最划算的”？使用数据集中积分价格比最高的葡萄酒的标题创建一个变量bargain_wine 。
points-to-price ratio：points/price
bargain_idx = (reviews.points / reviews.price).idxmax()
bargain_wine = reviews.loc[bargain_idx, 'title']
idxmax()
idxmax()是 Pandas 中的一个方法，用于返回最大值所在的索引标签（而不是值本身）。它通常用于 Series 或DataFrame，以帮助快速定位最大值的位置。用法：
对于 Series：返回最大值所在的索引。
对于 DataFrame：可以指定列，返回每列最大值所在的索引。
Series.idxmax()
DataFrame.idxmax(axis=0)
- axis=0：对每列进行操作（默认值），返回每列最大值的行索引。
- axis=1：对每行进行操作，返回每行最大值的列索引。
6. 统计某列中某词语出现的次数
在描述一瓶酒时，你只能使用这么多的词语。葡萄酒更有可能是“热带”还是“果味”？创建一个Series descriptor_counts计算这两个单词在数据集中的description列中出现的次数。 （为简单起见，我们忽略这些单词的大写版本。）
提示：使用地图检查字符串tropical的每个描述，然后计算为True的次数。对fruity重复此操作。最后，创建一个组合这两个值的Series 。
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'])
reviews.description：这是一个 Pandas Series，假设包含文本描述。
map(lambda desc: "tropical" in desc)：
使用 map 方法遍历 description 列中的每个元素 desc，并检查字符串"tropical" 是否在该描述中。lambda desc: “tropical” in desc 会为每个描述返回一个布尔值（True或 False）。 .sum()：对 map 结果进行求和，因为 True 相当于 1，False 相当于 0，所以 sum()的结果就是包含 “tropical” 关键字的描述的数量。
lambda 函数是 Python中的一种匿名函数，也叫作“快速定义函数”。它可以在无需正式定义函数名称的情况下，创建一个小的、单行的函数。通常用于在需要简单操作的场景下，以简洁的方式表达函数逻辑。
python lambda 参数: 表达式
- 参数：输入的一个或多个参数，多个参数用逗号分隔。
- 表达式：返回的值，一般是对参数的某种操作。
map() 是 Python内置的高阶函数，用于将一个指定的函数应用到一个可迭代对象（如列表、元组）中的每个元素，并返回一个新的迭代器，其中包含应用函数后的结果。
map(function, iterable)
- function：要应用的函数，可以是一个内置函数、自定义函数，或者 lambda 表达式。
- iterable：可迭代对象，如列表、元组、字符串等。
7. 定义每行的函数，然后将每行扩展到整个列表
我们希望在我们的网站上发布这些葡萄酒评论，但从 80 到 100 分的评级系统太难理解 - 我们希望将它们转化为简单的星级评级。 95 分或以上为 3 星，85 分以上但低于 95 分为 2 星。任何其他分数均为 1 星。
此外，加拿大葡萄酒商协会在该网站上购买了大量广告，因此任何来自加拿大的葡萄酒都应该自动获得 3 星，无论分数如何。
创建一个系列star_ratings其中包含与数据集中每条评论相对应的星星数量。
# 得分points
# >=95: 3
# >=85: 2
# else: 1# 国家country
# Canada: 3# 定义每行的函数，然后将每行扩展到整个列表def stars(row):if row.country == 'Canada':return 3elif row.points >= 95:return 3elif row.points >= 85:return 2else:return 1reviews.apply(stars, axis='columns')
# Series(data=None, index=None, dtype: Dtype | None=None, name=None, copy: bool | None=None, fastpath: bool | lib.NoDefault=lib.no_default)
star_ratings = reviews.apply(stars, axis='columns')
