纳米白与Pandas

温井很久没有来更新，感谢小伙伴幕黑君积极推送文章，希望大家喜欢。

温井消失的理由，说来很不好意思。

一是后来意识到上一篇中提到的后台留言的粉丝，其实是给幕黑君留言的，温井冒领了赞誉，还自作多情地感动，觉得十分尴尬。希望这位粉丝原谅，希望幕黑君近来的几篇更新您能够喜欢，也希望您能继续关注温井和幕黑合作的这个公众号。

二是温井还是在艰难地学新东西。每天的感觉就像站在一个无数分径的迷宫中，其间浓雾弥漫，前不见出口，后无有退路。随时有猛兽出没，而温井只有一把瓶起子做武器；随时有陨石巨坑，而温井只有一个马扎用来攀坑。看一起学的同学，也称自己是小白，没有基础，却可以听完课就做出作业，随时抛出专业术语，与大佬谈笑风生；温井昏天黑地双眼血斑地写作业，却错误连连。温井已经不好意思说什么自己是小白，大概可以说，自己是纳米级的白，宇宙之尘埃（不过在纳米维度中已无白色吧）。

不过，还是要调整心态，即使自己天分不高，基础为零，也要按自己的节奏来慢慢学起。真诚地佩服那些优秀的同学，但是，世界上还是有许多温井这样不优秀的纳米白们在同样、甚至更加努力地学习和成长。

废话说完。下面是温井记录的几个Pandas好用的功能（只是纳米白的笔记而已……浅显错漏实属正常，欢迎留言指正！）。

另外如果有DS同学对作业中的哪道题有疑问，或是对温井的答案有异议，都请留言给我，温井会在周四晚(12/28)前根据大家的需求准备分享内容。

1. value_counts()的normalize参数

这个参数十分好用，当设为True时，数某个array的values返回的不是每个value出现的次数，而是各个value在总数中的占比。

比较：

与

2. Series.str Method

python中对str可以做的许多事，都可以用Series.str.来实现。

举个简单的例子。

下面是python的str method

我们可以对pandas Series使用，只需要在Series后面加上.str来召唤它。

3.groupby() 灵活的by

根据官方文档，by可以是"mapping, function, str, or iterable"，这意味着groupby可以有很多灵活的用法。温井也是在摸索中。

之前温井只会简单粗暴地传个dataframe的column用其值作为category，但是慢慢意识到groupby的功能其实十分强大。例如我们有个以天为频率的数据：

那么其实我们可以将数据按年来分组，然后进行我们想要的操作，例如

希望对大家有点点帮助吧。

对于温井这样的普通青年，pandas算是十分友好了，需要的背景知识极少，只不过细节很多，想追求各种fancy功能的话，要学的东西就更是浩如烟海。不过，温井告诉自己的是，我总得从基础的开始，先会用一个简单粗暴的功能，然后慢慢摸索，看别人的例子，一点一点累积。即使我不会使用高级的功能一步就实现想要的结果，那么我先用简单粗暴的功能用10步实现了，也是好的。

前路漫漫，与君共勉吧。

ps：看到这里的DS同学，如果有需要温井解释的地方，请一定在周四晚前留言啊。多谢！

pps：看了下面课程的内容，温井估计不会再像pandas这么对纳米白友好了，但愿自己可以坚持下去，但愿能平和专注地在新一年学到更多有趣的新东西。

喜欢我们请关注