【pandas】练习题



🗓 2017年10月29日     📁 文章归类: 0x12_特征工程    

版权声明：本文作者是郭飞。转载随意，标明原文链接即可。
原文链接：https://www.guofei.site/2017/10/29/pandas7.html


抽扑克

先生成一个DataFrame，是一套扑克。编写一套程序，使其可以方便的从每个花色中抽n张扑克

生成扑克：

name1=list('HSCD')
name2=['A']+list(range(2,11))+list('JQK')
value=(list(range(1,11))+[10]*3)*4
card_names=[]
card_names=[str(j)+i for i in name1 for j in name2]

import pandas as pd
deck=pd.DataFrame(value,index=card_names)

抽牌：（2张）

import numpy as np
def draw(deck,n=1):
    return deck.iloc[np.random.permutation(len(deck)),:][:n]
deck.groupby(lambda i:i[-1]).apply(draw,n=2)

这里有几个点：

  1. groupby接函数时，函数的输入是每次1个index（笔记中有）
  2. apply后面的参数是func的参数

分组线性回归

数据随机给出：

from scipy.stats import norm,uniform
import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import ols
df=pd.DataFrame(uniform(loc=0,scale=5).rvs(size=100),columns=['x'])
df.loc[:,'y']=df.x+norm(loc=0,scale=1).rvs(size=100)
df.loc[:,'label']=[1]*50+[0]*50

问题是：在每组上做线性回归，并输出参数

def regress_func(data,xname,yname):
    lm_s=ols(yname+'~'+xname,data=data).fit()
    return lm_s.params
df.groupby('label').apply(regress_func,'x','y')
您的支持将鼓励我继续创作！