fix dataframe

godaai · Dec 7, 2023 · 17f16ec · 17f16ec
2 parents 1fed494 + 3e7d060
commit 17f16ec
Show file tree

Hide file tree

Showing 9 changed files with 160 additions and 114 deletions.
diff --git a/ch-pandas/data-preprocessing.ipynb b/ch-pandas/data-preprocessing.ipynb
@@ -68,7 +68,7 @@
    "source": [
     "## 处理重复值\n",
     "\n",
-    "检测数据集的记录是否存在重复，可以使用 `.duplicated` 函数进行验证，但是该函数返回的是数据集每一行的检测结果，即 n 行数据会返回 n 个布尔值。为了能够得到最直接的结果，可以使用 `any` 函数。该函数表示的是在多个条件判断中，只要有一个条件为 True，则 `any` 返回的结果为 True。"
+    "检测数据集的记录是否存在重复，可以使用 `.duplicated()` 函数进行验证，但是该函数返回的是数据集每一行的检测结果，即 n 行数据会返回 n 个布尔值。为了能够得到最直接的结果，可以使用 `any` 函数。该函数表示的是在多个条件判断中，只要有一个条件为 True，则 `any` 返回的结果为 True。"
    ]
   },
   {
@@ -104,7 +104,7 @@
    "id": "610f3c20",
    "metadata": {},
    "source": [
-    "如果有重复项，可以通过 `.drop_duplicated()` 删除。该函数有 inplace 参数，设置为 True 表示直接在原始数据集上做操作：`df.drop_duplicated(inplace = True)`。\n",
+    "如果有重复项，可以通过 `.drop_duplicated()` 删除。该函数有 `inplace` 参数，设置为 True 表示直接在原始数据集上做操作：`df.drop_duplicated(inplace = True)`。\n",
     "\n",
     "## 处理缺失值\n",
     "\n",
@@ -191,7 +191,7 @@
     "  \n",
     "可以使用 `.dropna()` 函数删除有缺失值的行或列。具体形式：`df.dropna(axis=0, how='any', inplace=False)`。\n",
     "\n",
-    "这个函数有参数 `axis`，`axis` 用来指定要删除的轴。`axis=0` 表示删除行（默认），axis=1 表示删除列。`how` 用来指定删除的条件。`how='any'` 表示删除包含任何缺失值的行（默认），`how='all'` 表示只删除所有值都是缺失值的行。`inplace` 用于指定是否在原始 `DataFrame` 上进行修改，默认为 False，表示不修改原始 `DataFrame`，而是返回一个新的 `DataFrame`。\n",
+    "这个函数有参数 `axis`，`axis` 用来指定要删除的轴。`axis=0` 表示删除行（默认），`axis=1` 表示删除列。`how` 用来指定删除的条件。`how='any'` 表示删除包含任何缺失值的行（默认），`how='all'` 表示只删除所有值都是缺失值的行。`inplace` 用于指定是否在原始 `DataFrame` 上进行修改，默认为 False，表示不修改原始 `DataFrame`，而是返回一个新的 `DataFrame`。\n",
     "\n",
     "例如，删除包含任何缺失值的行。"
    ]
@@ -697,7 +697,7 @@
    "id": "480ca978",
    "metadata": {},
    "source": [
-    "在这个例子中，`apply` 有个参数为 `axis`，`axis = 1` 设置函数对每一行操作；`axis = 0`` 设置函数对每一列操作；默认 axis = 0。\n",
+    "在这个例子中，`apply` 有个参数为 `axis`，`axis = 1` 设置函数对每一行操作；`axis = 0` 设置函数对每一列操作；默认 `axis = 0`。\n",
     "\n",
     "例：和 `.loc[]` 一起使用，进行更高级的数据切片。`.apply()` 返回对每一行做条件判断的一系列布尔值，以 `[]` 操作选择部分列。下面的选择条件为：如果 `country` 列属于特定国家，且 `POP > 40000`；如果 `country` 列不属于特定国家，且 `POP < 20000`"
    ]

diff --git a/ch-pandas/dataframe-slicing.ipynb b/ch-pandas/dataframe-slicing.ipynb
@@ -81,9 +81,16 @@
     "* 使用 `.iloc` 或者 `.loc` 函数\n",
     "* 使用 `.query` 函数\n",
     "\n",
-    "### 使用 [] 进行选择\n",
+    "### 使用 `[]` 进行选择\n",
+    "- 选择行\n",
     "\n",
-    "选择第 2 行到第 5 行（不包括第 5 行）的数据："
+    "直接使用数字索引即可，`df[a,b]`表示选择 `DataFrame` 的第`a`行到第`b-1`行。\n",
+    "\n",
+    "```{note}\n",
+    "Python中的索引区间都是左闭右开区间，这意味着左边端点可以取到，而右边端点取不到。\n",
+    "```\n",
+    "\n",
+    "例：对上一章节的PWT案例数据 df 选择第 2 行到第 5 行（不包括第 5 行）的数据。\n"
    ]
   },
   {
@@ -254,7 +261,11 @@
    "id": "eb81787d",
    "metadata": {},
    "source": [
-    "要选择列，我们可以传递一个列表，其中包含所需列的列名，为字符串形式。"
+    "- 选择列\n",
+    "\n",
+    "我们可以传递一个列表，其中包含所需列的列名，为字符串形式。\n",
+    "\n",
+    "例：选择 country 和 tcgdp 两列。"
    ]
   },
   {
@@ -389,7 +400,9 @@
    "source": [
     "如果只选取一列，`df['country']` 等价于 `df.country`。\n",
     "\n",
-    "`[]` 还可以用来选择符合特定条件的数据。 例如，选取 POP 大于 20000 的行。判断语句 `df.POP> 20000` 会返回一系列布尔值，符合 POP 大于 20000 条件的会返回为 `True`。如果想要选择这些符合条件的数据，则需要："
+    "- `[]` 选择符合特定条件的数据。 \n",
+    "\n",
+    "例如，选取 POP 大于 20000 的行。判断语句 `df.POP> 20000` 会返回一系列布尔值，符合 POP 大于 20000 条件的会返回为 `True`。如果想要选择这些符合条件的数据，则需要："
    ]
   },
   {
@@ -789,7 +802,7 @@
    "id": "9b41ebb1",
    "metadata": {},
    "source": [
-    "如果选择 cc 列和 cg 列的和大于 80 并且 POP 小于 20000 的行："
+    "例：选择 cc 列和 cg 列的和大于 80 并且 POP 小于 20000 的行。"
    ]
   },
   {
@@ -1287,7 +1300,7 @@
    "source": [
     "使用 `loc` 函数进行选择，与 `iloc` 的区别在于，`loc` 除了接受整数外，还可以接受标签（`a`、`b` 这样的列名）、表示整数位置的 index、`boolean` 。\n",
     "\n",
-    "选择第 2 行到第 5 行（不包括第 5 行），`country` 和 `tcgdp` 列："
+    "例：选择第 2 行到第 5 行（不包括第 5 行），country 和 tcgdp 列。"
    ]
   },
   {
@@ -1369,7 +1382,7 @@
    "id": "44f9c427",
    "metadata": {},
    "source": [
-    "使用 `loc` 函数选择 POP 列最大值的行："
+    "例：使用 `loc` 函数选择 POP 列最大值的行。"
    ]
   },
   {
@@ -1517,7 +1530,9 @@
    "id": "97dd2bd9",
    "metadata": {},
    "source": [
-    "还可以使用这种形式：`.loc[,]`，两个参数用逗号隔开，第一个参数接受条件，第二个参数接受我们想要返回的列名，得到的是符合条件的特定的列。"
+    "还可以使用这种形式：`.loc[,]`，两个参数用逗号隔开，第一个参数接受条件，第二个参数接受我们想要返回的列名，得到的是符合条件的特定的列。\n",
+    "\n",
+    "例：选择满足 cc 列加 cg 列大于等于80，POP小于等于20000条件的 country, year, POP 三列。"
    ]
   },
   {