パンダレビュー2

import 
pandas as pd
 import numpy as np food_info = pd.read_csv（' food_info.csv ' ）
 1. 欠損値（平均と過半数の塗りつぶしを使用できます）を
    処理して、非欠損値のデータを表示します：
        price_is_null = pd.isnull（food_info [ " Price " ））
        price = food_info [ " Price " ] [price_is_null == False] 
    fillnaを使用して
        food_info [ ' Price ' ] .fillna（food_info [ ' Price ' ] .mean （）、
    inplace = True）
 2 平均を見つける価値food_info [ "価格" ] .mean（）
。3 。各指標のレベルを見る、平均の値
    food_info.pivot（インデックス = "" 、値= ""、aggfunc = np.mean）
。4 。総数見る
    food_info.pivotを（index = ""、values = [ ""、"" ]、aggfunc = np.sum）
 5. 欠落している値
    dropna_columns = food_info.dropna（axis = 1 ）
    を破棄し、Price列とTime列のNaN行を削除します
        。new_food_info = food_info .dropna（axis = 0、subset = [ " Price "、」時間" ]）
 6.特定の値を83に 
    配置します。row_index_83_price = food_info.loc [83、" 価格" ]
 7. 並べ替え（デフォルトでは昇順の
    sort_values ）new_food_info.sort_values（" 価格" ）
 8. インデックス値を並べ替え、reset_index 
    new_food_infoを使用します。 reset_index（ドロップ = 真）
 9。使用関数を適用。
    new_food_info.apply（関数名）
 10 欠損値の数を表示する。
     DEF not_null_count（列）：
        column_null = pd.isnull（列）
         ＃column_null空ブール 
        ヌル= 列[column_null]
        ＃：
            nullリストをnullに渡します。
        戻り値len（null）
    column_null_count = food_info.apply（not_null_count）
 11. 分類：年齢グレード
     def which_class（行）：
        pclass = row [ " Pclass " ]
         if pd.isnull（pclass） ：
             リターン " 不明レベル" 
        のelif PCLASS == 1 ：
             リターン " 第一段階" 
        のelif PCLASS == 2 ：
             リターン " 第二段階" 
        のelif。PCLASS 3 ==return  " Third Level" 
    new_food_info.apply（which_class、axis = 1 ）
 12 .pivot_tableを使用して、ピボットテーブルを表示します
    new_food_info.pivot_table（index = "  "、values = "  "）

---

2020-04-11