Python Pandas 面试30问与答精要

1. Python中的Pandas是什么？

Pandas是一个开源的Python库，具有强大内置方法，可高效清洗、分析和操作数据集。由Wes McKinney于2008年开发，该强大包可轻松与Python中其他数据科学模块融合。Pandas构建在NumPy库之上，即其数据结构Series和DataFrame是NumPy数组的升级版本。

2. 为什么DataFrame.shape没有括号？

在pandas中，shape是一个属性而非方法。df.shape输出一个包含DataFrame行数和列数的元组。

3. pandas中的索引是什么？

索引是一系列标签，可唯一标识DataFrame的每一行。索引可以是任何数据类型，如整数、字符串、哈希。

4. loc和iloc有什么区别？

loc和iloc方法都用于选择DataFrame的子集。实践中广泛用于基于条件过滤DataFrame。loc使用行和列的实际标签选择数据，而iloc方法使用行和列的整数索引提取数据。

5. 如何获取DataFrame中分类列的所有唯一值的计数？

该函数返回每个唯一序列或列的计数。

1

Series.value_counts()

6. 什么是Timedelta？

Timedelta表示持续时间，即两个日期或时间之间的差异，以天、小时、分钟和秒为单位测量。

7. append和concat方法有什么区别？

可使用concat方法沿行或列组合DataFrame，而append仅用于组合行。

8. 获取DataFrame中所有列统计摘要的pandas方法是什么？

df.describe()生成描述性统计信息，包括总结数据集分布的中心趋势、离散度和形状。

9. Series和DataFrame有什么区别？

DataFrame：pandas DataFrame呈表格格式，具有多行和多列，每列可以是不同数据类型。二维数据结构，像二维数组或带有行和列的表。 Series：Series是一维标记数组，可存储任何数据类型，但其所有值应为相同数据类型。Series数据结构更像DataFrame的单列。比DataFrame消耗更少内存，如整数、字符串、Python对象。

10. 如何访问pandas DataFrame的前6行和后7行？也称为查看数据。

pandas中的head()方法用于访问DataFrame的初始行，tail()方法用于访问最后行。head()的反方法是tail()，显示数据框对象的最后n（默认为5）行。 访问前6行：dataframe_name.head(6) 访问后7行：dataframe_name.tail(7)

11. 如何获取数据框中的最大和最小索引？

1
2

df['Column_name'].idxmax()
df['Column_name'].idxmin()

12. 如何描述数据框中项目或列之间的关系？

Python pandas提供工具和方法高效执行分析。

• 相关性分析：相关性分析是一种统计技术，用于测量两个变量之间线性关系的强度和方向。 相关系数解释：

相关系数（通常用符号ρ或r表示）范围从-1到1： 相关系数为1表示完全正线性关系，意味着一个变量增加，另一个变量也成比例增加。 相关系数为-1表示完全负线性关系，意味着一个变量增加，另一个变量成比例减少。 相关系数为0表示变量之间无线性关系。值介于-1和1之间表示线性关系的强度和方向：

值越接近1表示正相关性越强。 值越接近-1表示负相关性越强。 值越接近0表示线性关系越弱或无线性关系。

13. 运行代码后如何获取行中项目的值？

使用value_counts()获取值。

14. info()方法在pandas中打印什么？如何将DataFrame导出到CSV文件？

info()- 该方法打印数据框的简明摘要，包括有关索引、数据类型、列、非空值和内存使用情况的信息。

清理和预处理数据后，下一步可能是将数据框导出到文件。to_csv()

1

iris_data.to_csv("cleaned_iris_data.csv")

15. 如何获取pandas中列的最大值以及如何创建数据集的副本

1
2

df.[column].max()
states2 = states.copy()

16. pandas中处理缺失数据的一些有效方法是什么？

ffill（前向填充）- 用于在数据分析中填充缺失值 - ffill：将最后一个有效观测向前传播到下一个有效。

1

df.fillna(method='ffill', inplace=True)

bfill- （后向填充）是一种通过将下一个有效观测向后传播来填充DataFrame或Series中缺失值的方法。

1
2

df.bfill(*,axis=None, inplace=False,limit=none,limit_area=None)
df.fillna(method='bfill', inplace=True)

插值：基于相邻数据点的值插补缺失值。此方法适用于有序数据，如时间序列。

1

df['column_name'] = df['column_name'].interpolate(method='linear')

使用机器学习模型- 基于数据集中其他特征预测缺失值的ML模型。对于小数据集可能复杂。

1
2
3

from sklearn.impute import SimpleImputer
imputer =SimpleImputer(strategy='mean')
df['column_name']= imputer.fit_transform(df[['column_name']])

17. 简要描述df.isnull().sum()的功能？

df.isnull().sum()用于获取每列的缺失值总数。

18. 集合的add方法的正确语法是什么？

set.add(item)

19. 使用哪些括号创建Python元组？

()

20. 哪种数据结构允许在其中添加重复的异构数据元素？

list

21. 有一个if语句由两个表达式组成，中间有逻辑and运算符。哪种情况会导致Python解释器运行if语句的主体？

当表达式返回True和True响应时。

22. 在Python中，你会为变量选择哪个名称？

_count