第十章 pandas官方文档0.22中文教程—Tutorials（有关cookbook），个人渣翻译
这是一个包涵许多pandas教程的指南，主要面向新用户。
#####内部指南
看10分钟入门pandas*（10 Minutes to pandas）
更复杂的使用方法参看cookbook
#####pandas cookbook
这本cookbook的目标是给你一些具体的例子，让你从pandas开始。这些都是真实数据的例子，以及它所包含的所有错误和古怪。
这里是v0.1版本的链接。对于最新的目录，请参阅pandas-cookbook GitHub存储库。要运行本教程中的示例，您需要克隆GitHub存储库并运行IPython Notebook。看看如何使用这本cookbook。
（先去github下载数据，否则下面的章节没办法完成）
######快速的浏览一下IPython Notebook
教你一些IPython的简单用法
######chapter 1. 把你的数据由pandas读取听起来是最简单的事情。即使编码是错误的
从csv文件中读取一个数据
您可以使用read_csv函数从CSV文件中读取数据。默认情况下，它假定字段是逗号分隔的。
我们将从蒙特利尔看一些骑自行车的数据。这里是原始页面(在法语中)，但它已经包含在这个存储库中。我们使用的是2012年的数据。
import pandas as pd
pd.set_option('display.mpl_style', 'default') # Make the graphs a bit prettier
figsize(15, 5)
个人执行：运行display.mpl_style出错
broken_df = pd.read_csv('../data/bikes.csv')
# Look at the first 3 rows
broken_df[:3]
（因为自己的ipython工作路径，和下载的bikes.csv路径不一致，写代码的时候要注意）
个人执行：直接报错，看不了什么前3行
你可以看到这完全损坏了。read_csv拥有一堆选项能够让我们修复它，在这里我们：
将列分隔符改成;
将编码改为latin1（默认为utf-8）
解析Date列中的日期
告诉它我们的日期将日放在前面，而不是月
将索引设置为Date
fixed_df = pd.read_csv('../data/bikes.csv', sep=';', encoding='latin1', parse_dates=['Date'], dayfirst=True, index_col='Date')
fixed_df[:3]
当你读取 CSV 时，你会得到一种称为DataFrame的对象，它由行和列组成。 从数据框架中获取列的方式与从字典中获取元素的方式相同。
这里有一个例子：
fixed_df['Berri 1']
好长一列数据。
绘制一列：
只需把.plot(）添加到末尾，是不是很容易？
我们可以看到，不出意料，没有什么人在一月、二月和三月骑自行车。
fixed_df['Berri 1'].plot()
我们也可以很容易地画出所有的列。我们会把它变大一点。你可以看到它在一起被压扁了，但是所有的自行车道基本上都是一样的——如果这一天对骑自行车的人来说是糟糕的一天，那么到处都是糟糕的一天。
fixed_df.plot(figsize=(15, 10))
######chapter 2 如何从pandas的数据中选择数据还不是很明显。这里，我们将解释基础的(如何获取切片和获取列)
# The usual preamble
import pandas as pd
# Make the graphs a bit prettier, and bigger
pd.set_option('display.mpl_style', 'default')
pd.set_option('display.line_width', 5000)
pd.set_option('display.max_columns', 60)
figsize(15, 5)
（同样的错误No such keys(s): 'display.mpl_style，难道是写法有改变？）
我们将在这里使用一个新的数据集，来演示如何处理更大的数据集。这是来自NYC开放数据的311个服务请求的一个子集。
complaints = pd.read_csv('../data/311-service-requests.csv')
（运行语句有如下提示，看不懂…………）
当您查看一个大的dataframe，而不是向您显示dataframe的内容时，它将向您显示一个摘要。这包括所有列，以及每个列中有多少个非空值。
（我的运行结果与原文不太一样啊）
（11万行，52列，恐怖。）
要选择一个列，我们使用列的名称进行索引，如下所示
complaints['Complaint Type']
要获得dataframe的前5行，我们可以使用切片: df[:5]。
这是了解dataframe中信息的一种很好的方法——花一分钟时间查看一下内容，了解一下这个数据集。
complaints[:5]
我们可以组合这些来得到列的前5行
complaints['Complaint Type'][:5]
参数前后位置不影响
complaints[:5]['Complaint Type']
选出多个列：
如果我们只是想知道complaints的类型和地区，而不是其他信息呢?pandas使得选择列的子集变得非常容易:只需列出你想要的列的列表。
complaints[['Complaint Type', 'Borough']]
这向我们展示了一个总结，然后我们可以看到前10行
complaints[['Complaint Type', 'Borough']][:10]
最常见的complaint类型是什么?
这是个很容易回答的问题!我们可以使用.value_count()方法
complaints['Complaint Type'].value_counts()
如果我们想要最常见的10个complaint，我们可以这样做：
complaint_counts = complaints['Complaint Type'].value_counts()
complaint_counts[:10]
但是它变得更好!我们可以把它们画出来。
complaint_counts[:10].plot(kind='bar')
######chapter 3 在这里我们开始认真的学习如何切割和以复杂的方式过滤数据。
pd.set_option('display.line_width', 5000)
pd.set_option('display.max_columns', 60)
让我们继续我们的NYC 311服务请求示例的数据。
complaints = pd.read_csv('../data/311-service-requests.csv')
选择仅有噪音的投诉
我想知道哪个区有最多的噪音投诉。首先，我们来看看数据，看看它是什么样子。
为了得到噪音投诉，我们需要找到“投诉类型”栏是“噪音-街道/人行道”的行。我会告诉你们怎么做，然后解释发生了什么。
noise_complaints = complaints[complaints['Complaint Type'] == "Noise - Street/Sidewalk"]
noise_complaints[:3]
如果你看一下noise_complaints，你会发现这是有效的，而且它只包含有正确投诉类型的投诉。但这是如何运作的呢?让我们把它分解成两部分。
complaints['Complaint Type'] == "Noise - Street/Sidewalk"
这是一大堆的问题和错误，每一行都在我们的dataframe中。当我们用这个数组索引dataframe时，我们得到的是行。
您还可以将多个条件组合成这样的&操作符
is_noise = complaints['Complaint Type'] == "Noise - Street/Sidewalk"
in_brooklyn = complaints['Borough'] == "BROOKLYN"
complaints[is_noise & in_brooklyn][:5]
或者我们只需要一些列。
complaints[is_noise & in_brooklyn][['Complaint Type', 'Borough', 'Created Date', 'Descriptor']][:10]
关于numpy数组的题外话
在内部，列的类型是pd.series
pd.Series([1,2,3])
pandas series的内部是numpy 数组。如果将.values添加到任何序列的末尾，就会得到它的内部numpy数组。
np.array([1,2,3])
pd.Series([1,2,3]).values
两个的输出都是array([1, 2, 3])
arr = np.array([1,2,3])
arr != 2
输出是：array([ True, False, True], dtype=bool)
arr[arr != 2]
输出是：arr[arr != 2]
回到之前的话题，哪个区最多的噪音投诉？
is_noise = complaints['Complaint Type'] == "Noise - Street/Sidewalk"
noise_complaints = complaints[is_noise]
noise_complaints['Borough'].value_counts()
就是曼哈顿!但如果我们想要除以总投诉数，让它更有意义呢?这也很容易。
noise_complaint_counts = noise_complaints['Borough'].value_counts()
complaint_counts = complaints['Borough'].value_counts()
noise_complaint_counts / complaint_counts
（因为用的python3，并没有原文中结果是0）
把数据画出来：
(noise_complaint_counts / complaint_counts).plot(kind='bar')
