《深入浅出Pandas》勘误及指导
深入浅出Pandas

《深入浅出Pandas》勘误及指导

更新时间：2023-04-14 19:10:07 标签：pandas 勘误

公告

《深入浅出Pandas：利用Python进行数据处理与分析》已出版，各大电商平台均有销售，电子书也同步上线，书籍介绍、购买信息及配套资源：gairuo.com/p/pandas。 作者开办 Python 数据分析训练营正在报名中，详情 Python 数据分析训练营。

本页整理书籍《深入浅出Pandas：利用Python进行数据处理与分析》的一些错误及修正内容，同时也会刊载一些阅读指导内容。欢迎指出错误（可进入系列首页找到作者联系方式联系作者），提供页码的错误的大致位置。

第1章

P13

注：此勘误2021年9月第2次印刷已经修正。

章节 1.2.10 中最后一行的：M / R：Markdown / 代码模式。 M / R 应为：M / Y。

P18

注：此勘误2022年8月第4次印刷已经修正。

章节 1.3.7 中 df.Q1 输出时应该索引的标签值应该为 name 的值。

第2章

P26

注：此勘误2021年9月第2次印刷已经修正。

章节 2.2 中：本节将讲述Python 的几大基础数字类型和结构。 数字类型 应为：数据类型

P29

注：此勘误2021年9月第2次印刷已经修正。

章节 2.2.3，本页第三行代码应该为：

a or b # 1 (a为假，返回b的值)

P31

注：此勘误暂未修正

章节 2.2.6 字典，常用的字典操作方法代码片断中相应的代码修改为：

d2 = d.copy() # 浅拷贝, d2变化不影响d1

P33

注：此勘误暂未修正

章节 2.3.2 中图 2-2 少两个方括号，在 10-18 最外侧，19 最外侧。

P35

注：此勘误2022年8月第4次印刷已经修正。

章节 2.3.5 数组信息中，第一行代码应该为：

n.shape # 数组的形状, 返回值是一个元组

第3章

P55

注：此勘误2022年8月第4次印刷已经修正。

章节 3.2.7，本页第一行代码的注释应该是：

# 以下用 callable 方式迭代列名，为 True 的被使用
pd.read_csv(data, usecols=lambda x: x.upper() in ['COL3', 'COL1'])

P56

注：此勘误2022年8月第4次印刷已经修正。

章节3.2.15 中代码的注释原为跳过前 3 行，应该是：

# 跳过前2行
pd.read_csv(data, skiprows=2)
# 跳过前2行
pd.read_csv(data, skiprows=range(2))

P59

注：此为指导阅读

章节 3.2.20 中 chunksize 参数的示例可替换为更加优雅的写法：

with pd.read_csv("tmp.sv", sep="|", chunksize=4) as reader:
    for chunk in reader:
        print(chunk)

第4章

P72

注：此勘误2021年9月第2次印刷已经修正。

章节 4.1.8 索引重命名的代码片断中，相关代码注释应为：

df.rename_axis('info', axis='columns') # 修改列索引名
# 修改多层行索引名
df.rename_axis(index={'a': 'A', 'b': 'B'})

P75

1)

注：此勘误2021年9月第2次印刷已经修正。

章节 4.2.5 第一句描述中，df.axes 返回的列表形式为：[行索引, 列索引]。

2 )

注：此勘误暂未修正

章节 4.2.6 最后一段中，「s.name 可获取索引的名称」应该是： s.name 可获取 Series 的名称。

P82

注：此勘误2021年9月第2次印刷已经修正。

章节 4.4.3 中、4.4.4 小结前 first 参数和 dense 参数的介绍应该为：

P86

注：此为导读

loc、iloc、at、iat 支持索引、索引列表、切片，详见 pandas 函数详细介绍 中的专门介绍。

第5章

P91

注：此勘误2022年8月第4次印刷已经修正。

章节 5.1.2 中：以下是.loc[] 和.lic[] 的一些示例： 应为： 以下是.loc[]的一些示例：。

注：此勘误2022年8月第4次印刷已经修正。

其下代码片断中第一行和最后一行代码互换（注释不变）：

df.loc[df['Q1'] > 90, 'Q1'] # ...
...
df.loc[df['Q1'] > 90, 'Q1':] # ...

P95

注：此勘误2021年9月第2次印刷已经修正。

章节 5.2.2 指定类型第一个代码片断中应该为：

s = pd.to_numeric(m) # 转成数字

注：此为阅读指导

另注：pd.to_numeric 转换的数据如果为 Series 则返回 Series，如果为 其他的则返回 ndarray，因此 pd.to_numeric(m errors='coerce').fillna(0) 操作时需要先将 m 转为 Series 才能使用 fillna 方法。

P111

注：此勘误2021年9月第2次印刷已经修正。

章节 5.4.12 删除空值的代码片断中倒数第二行，相关注释应为：

df.dropna(thresh=2, axis=0) # 不足两个非空值时删除

第6章

P139

注：此勘误暂未修正

章节 6.3.3 的第一部分代码中，最后的输出结果前，应该增加一行代码：

grouped.Q1.sum()

P143

注：此勘误2022年8月第4次印刷已经修正。

章节 6.3.6 章节，本页第二个代码块中第三行代码，应该修正为：

# 使用函数, 和上一个学生的差值（没有处理姓名列）
df.groupby('team').transform(lambda x: x.diff(1))

第7章

P161

注：此勘误2022年8月第4次印刷已经修正。

章节 7.1.3 第一个代码片断中的 df3 展示有误，以实际执行结果为准。

P169

注：此勘误2021年9月第2次印刷已经修正。

章节 7.3.2 中的最后一行代码 pd.merge(df1, df2, on='a') 的返回结果应为：

pd.merge(df1, df2, on='a')
'''
   a  x  y
0  1  5  7
1  2  6  6
'''

P173

注：此勘误2021年9月第2次印刷已经修正。

章节 7.4.3 df.update() 最后一句：如果不想让df1 被更新，可以传入参数overwrite=True。 应为：overwrite=False。

P188

注：此勘误2021年9月第2次印刷已经修正。

章节 9.1.1 中的 图 9-1 df.pivot() 逻辑图示右侧的结果数据应为：

pandas-pivot

相关代码过程：

df = pd.DataFrame({
    'A':['a1', 'a1', 'a2', 'a3', 'a3', 'a3'],
    'B':['b1', 'b2', 'b3', 'b1', 'b2', 'b3'],
    'C':['c1', 'c2', 'c3', 'c4', 'c5', 'c6'],
    'D':['d1', 'd2', 'd3', 'd4', 'd5', 'd6'],
})
# 图示中的正确结果
df.pivot(index='A', columns='B', values='C')
'''
B    b1   b2   b3
A
a1   c1   c2  NaN
a2  NaN  NaN   c3
a3   c4   c5   c6
'''

第11章

P237

注：此为阅读指导

章节 11.2.5 格式判定中的代码块中的所有方法都应该有小括号，因为它们全是方法，返回的是布尔值。

第16章

P337

注：此为阅读指导

章节 16.1.14 图形叠加的方法，随着后期版本的迭代可能无法实现，可以尝试以下方法：

ax = df['Q1'].head().plot.bar(),
ax = df.mean(1, numeric_only=True).head().plot(color='r')

以上方法在 Jupyterlab 上通过。

第17章

P379

注：此勘误2021年9月第2次印刷已经修正。

生成insert SQL 语句的代码中，值部分那里少右括号。应为：

sql = ''
for i,r in df.iterrows():
    r_sql = f"INSERT INTO `holiday` (`holiday`, `year`, `start_date`, `end_date`) 
        VALUES ('{r['节日']}', '{r['结束日期'][:4]}', '{r['开始日期']}', '{r['结束日期']}');"
    sql = sql + r_sql + '\n'
print(sql)
'''
INSERT INTO `holiday` (`holiday`, `year`, `start_date`, `end_date`) VALUES 
    ('元旦', '2020', '2020-01-01', '2020-01-01');
INSERT INTO `holiday` (`holiday`, `year`, `start_date`, `end_date`) VALUES 
    ('除夕', '2020', '2020-01-24', '2020-01-24');
INSERT INTO `holiday` (`holiday`, `year`, `start_date`, `end_date`) VALUES 
    ('清明节', '2020', '2020-04-04', '2020-04-04');
INSERT INTO `holiday` (`holiday`, `year`, `start_date`, `end_date`) VALUES 
    ('劳动节', '2020', '2020-05-01', '2020-05-01');
INSERT INTO `holiday` (`holiday`, `year`, `start_date`, `end_date`) VALUES 
    ('端午节', '2020', '2020-06-25', '2020-06-25');
INSERT INTO `holiday` (`holiday`, `year`, `start_date`, `end_date`) VALUES 
    ('国庆节', '2020', '2020-10-01', '2020-10-01');
'''

P403

注：此为阅读指导

指导信息：17.3.6 关于 RFM 模型的问题，如果使用了最新的 pandas 版本，在 P403 第一、二段代码执行时可能会遇到以下错误：

TypeError: Invalid comparison between dtype=category and float64

这是因为无法执行分类数据 category 与 float 类型对比操作导致的，可以在 r_e、f_e、m_e 列的指定代码中增加 astype(int) 将其转换为整型，再进行对比，如：

(
    pd.DataFrame({'r': r,'f': f,})
    # m为总金额/购买次数
    .assign(m=lambda x: df.groupby(['用户']).sum()['金额']/x.f)
    .assign(r_s=lambda x: pd.qcut(x.r, q=3, labels=[3,2,1]))
    .assign(f_s=lambda x: pd.cut(x.f,bins=[0,2,5,float('inf')], labels=[1,2,3], right = False))
    .assign(m_s=lambda x: pd.cut(x.m,bins=[0,30,60,float('inf')], labels=[1,2,3], right = False))
    .assign(r_e=lambda x: (x.r_s.astype(int) > x.r_s.astype(int).mean())*1) # <--- ! 这儿
    .assign(f_e=lambda x: (x.f_s.astype(int) > x.f_s.astype(int).mean())*1) # <--- ! 这儿
    .assign(m_e=lambda x: (x.m_s.astype(int) > x.m_s.astype(int).mean())*1) # <--- ! 这儿
)

P404

注：此勘误暂未修正

章节 17.3.7 发送邮件代码中，Message 误写为 sysy，正确的代码为：

message = Message(subject='Congrats on the new job!', # 邮件主题
...
<< 书中案例代码 深入浅出Pandas 评论与建议 >>

无「盖若」授权，请勿以任何形式转载，公众号：gairuo
Copyright © 2019 - 2023
Gairuo.com All Rights Reserved v7.6.1.0919

备案 京公网安备11010502033395号 京ICP备15019454号-4