系列文章目录
个人简介：机电专业在读研究生，CSDN内容合伙人，博主个人首页
Python面试专栏：《Python面试》此专栏面向准备面试的2024届毕业生。欢迎阅读，一起进步！🌟🌟🌟
码字不易，如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！😊😊😊
文章目录
- 系列文章目录
- Python Pandas 面试问题
- 60. 什么是 Pandas？
- 61. 什么是序列和数据框？
- 62. 如何创建一个 DataFrame?
- 63. 如何组合不同的 Pandas DataFrame？
- 64. 如何由字典创建一个 Pandas 序列？
- 65. 如何识别和处理 DataFrame 中的缺失值？
- 66. 如何理解 Pandas 的重新索引？
- 67. 如何在 Pandas DataFrame 中添加新列？
- 68. 如何从 DataFrame 中删除索引名称、行和列？
- 69. 如何获得序列 A 中没有的序列 B 中的项？
- 70. 如何获得序列 A 和序列 B 的非公共项？
- 71. Pandas 库可以识别导入的日期和时间数据吗？
- Python 函数库面试问题：[待更新](https://blog.csdn.net/a2360051431)
本文是Python面试专栏的第五篇。在本专栏中，我将总结华为、阿里巴巴、字节跳动等互联网公司 Python 面试中最常见的 100+ 问题。每道题都提供参考答案，希望能够帮助你在求职面试中脱颖而出，找到一份高薪工作。这些面试题涉及 Python 基础知识、Python 编程、数据分析以及 Python 函数库等多个方面。
Python Pandas 面试问题
60. 什么是 Pandas？
Pandas 是一个开源的 Python 数据分析库，它提供了丰富的数据操作和处理功能，包括数据的读取与写入、切片与索引、过滤和排序、缺失值的处理、聚合和统计分析等。同时，Pandas 还集成了 NumPy 库，使得它能够更好地处理大规模的数值计算和数组操作。Pandas 的核心数据结构是 DataFrame，它可以存储和处理具有不同类型的二维标签化数据。
通过 Pandas，我们可以方便地进行数据清洗、转换和分析，对数据进行探索性分析和可视化，并与其他数据科学工具和库协同使用，如 Matplotlib、Scikit-Learn 等。
61. 什么是序列和数据框？
序列（Series）和数据框（DataFrame）是 Pandas 库中两个重要的数据结构。
-
序列（Series） 是 Pandas 库中的一维标记数组，类似于带有标签的一维数组。它由两部分组成：索引（Index）和值（Value）。索引提供了对数据的标签，可以用于访问和操作数据。值是存储在序列中的实际数据。序列中的数据类型可以是数字、字符串、布尔值等。
-
数据框（DataFrame） 是 Pandas 库中的二维表格型数据结构，类似于电子表格或 SQL 中的表。它由行索引和列索引组成，每列可以包含不同类型的数据。数据框可以看作是多个序列按照同样的索引组合而成的。数据框常用于处理和分析结构化的数据。
62. 如何创建一个 DataFrame?
要创建一个 DataFrame，可以使用 Pandas 的 DataFrame() 构造函数，并传入相应的数据和参数或者从 CSV，Excel，Json 等文件中读取。
import pandas as pd
data = [['Alice', 25], ['Bob', 30], ['Charlie', 35]]
df1 = pd.DataFrame(data, columns=['Name', 'Age']) # 从列表创建
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df2 = pd.DataFrame(data) # 从字典创建
df3 = pd.read_csv('data.csv') # 从 CSV 文件读取
df4 = pd.read_excel('data.xlsx', sheet_name='Sheet1') # 从 Excel 文件读取
df5 = pd.read_json('data.json') # 从 Json 文件读取
63. 如何组合不同的 Pandas DataFrame？
可以使用以下方法组合 DataFrame：
_append()方法：将一个 DataFrame 追加到另一个 DataFrame 的末尾。concat()方法： 沿着指定的轴（默认沿行）连接多个 DataFrame。join()方法： 基于索引或列的值进行连接，也可以使用merge()实现相同的功能。merge()方法：基于共同的列或索引值进行连接，并可以指定不同类型的连接。
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
combined_df1 = df1._append(df2) # 创建一个新的 DataFrame，其中包含 df1 和 df2 的行
combined_df2 = pd.concat([df1, df2], axis=0) # axis=0 表示沿着行方向组合
combined_df3 = pd.concat([df1, df2], axis=1) # axis=1 表示沿着列方向组合
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}, index=['a', 'b'])
df2 = pd.DataFrame({'C': [5, 6], 'D': [7, 8]}, index=['b', 'c'])
combined_df4 = df1.join(df2) # 通过索引将 df1 和 df2 进行连接
df1 = pd.DataFrame({'ID': [1, 2], 'Name': ['Alice', 'Bob']})
df2 = pd.DataFrame({'ID': [2, 3], 'Age': [25, 30]})
combined_df5 = pd.merge(df1, df2, on='ID') # 通过 'ID' 列将 df1 和 df2 进行连接
64. 如何由字典创建一个 Pandas 序列？
要从字典创建一个 Pandas 序列，可以使用 pd.Series() 构造函数，并传入字典作为参数，将创建一个包含字典中数据的序列，索引由字典的键自动生成。如下：
import pandas as pd
data = {'a': 1, 'b': 2, 'c': 3}
series = pd.Series(data)
print(series)
'''
输出：
a 1
b 2
c 3
dtype: int64
'''
上述示例中，字典的键 ‘a’、‘b’、‘c’ 成为序列的索引，对应的值 1、2、3 成为序列的数据。其中 dtype: int64 表示数据类型为整数。
除了字典，还可以使用列表、元组等来创建 Pandas 序列。在创建序列时，可以通过指定索引来自定义序列的标签，或使用默认的整数索引。
import pandas as pd
data = [10, 20, 30]
index = ['a', 'b', 'c']
series = pd.Series(data, index=index)
print(series)
'''
输出：
a 10
b 20
c 30
dtype: int64
'''
上述示例中，使用了自定义的索引 ‘a’、‘b’、‘c’ 来创建序列。
65. 如何识别和处理 DataFrame 中的缺失值？
在处理 DataFrame 中的缺失值时，可以采取以下步骤来识别和处理它们：
-
识别缺失值：使用 Pandas 库中的
isna()或isnull()函数可以对 DataFrame 进行逐个元素的遍历，并返回一个布尔类型的 DataFrame，其中的 True 表示该位置存在缺失值。import pandas as pd # 创建一个包含缺失值的 DataFrame df = pd.DataFrame({'A': [1, 2, None, 4], 'B': [5, None, 7, 8], 'C': [9, 10, 11, None]}) # 判断每个元素是否为缺失值 is_missing = df.isnull() print(is_missing) ''' 输出： A B C 0 False False False 1 False True False 2 True False False 3 False False True ''' -
处理缺失值：根据具体情况，可以选择以下几种方式来处理缺失值：
- 删除缺失值：使用
dropna()函数可以删除包含缺失值的行或列。
# 删除包含缺失值的行 df_dropna = df.dropna() print(df_dropna) # 删除包含缺失值的列 df_dropna_columns = df.dropna(axis=1) print(df_dropna_columns)- 填充缺失值：使用
fillna()函数可以将缺失值替换为指定的数值。
# 将缺失值替换为 0 df_fillna = df.fillna(0) print(df_fillna) # 将缺失值替换为每列的平均值 df_fillna_mean = df.fillna(df.mean()) print(df_fillna_mean)另外，
fillna()函数还可以使用其他填充方法，例如前向填充（ffill）或后向填充（bfill）。 - 删除缺失值：使用
66. 如何理解 Pandas 的重新索引？
在 Pandas 中，重新索引是指对数据结构（如 Series 或 DataFrame）的行索引或列索引进行修改、重新排序或扩充的操作。通过重新索引，可以改变数据的顺序、增加或删除索引标签，使得数据结构与新的索引对齐。
Pandas 提供了 reindex() 方法来执行重新索引操作。有以下常见的用法：
- 更改现有索引的顺序：传入一个新的索引顺序，将数据按照新的索引顺序重新排序。
- 增加缺失值或填充值：根据新的索引增加缺失值，或者使用指定的填充值填充缺失位置。
- 修改行索引或列索引：修改行索引或列索引。
示例代码如下：
import pandas as pd
# 创建一个示例 Series
s = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
# 重新索引，按照新的索引顺序排序
s_reindexed = s.reindex(['c', 'b', 'a'])
print(s_reindexed)
# 重新索引，增加缺失值
s_reindexed = s.reindex(['a', 'b', 'c', 'd'])
print(s_reindexed)
# 重新索引，填充缺失位置为 0
s_filled = s.reindex(['a', 'b', 'c', 'd'], fill_value=0)
print(s_filled)
# 创建一个示例 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=['a', 'b', 'c'])
# 修改行索引
df_reindexed_rows = df.reindex(['c', 'b', 'a'])
print(df_reindexed_rows)
# 修改列索引
df_reindexed_columns = df.reindex(columns=['B', 'A'])
print(df_reindexed_columns)
67. 如何在 Pandas DataFrame 中添加新列？
可以使用 + 运算符、直接赋值或者 insert() 将新列添加到 Pandas 数据帧，如下所示：
import pandas as pd
# 创建一个示例 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
# 创建新的 Series
df['third']= = pd.Series([7, 8, 9])
#To add new column third
df += new_column
print (df)
# 创建新的 Series
new_column = pd.Series([10, 11, 12])
# 分配新列到 DataFrame
df['D'] = new_column
print(df)
# 定义新列的名称和数据
new_column_name = 'E'
new_column_data = [13, 14, 15]
# 在指定位置插入新列
df.insert(loc=1, column=new_column_name, value=new_column_data)
print(df)
68. 如何从 DataFrame 中删除索引名称、行和列？
- 要删除索引名称：可以执行
del df.index._name或者将索引幅值为None以按名称删除索引。import pandas as pd # 创建一个示例 DataFrame df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) # 设置索引名称为 'Index_Name' df.index.name = 'Index_Name' print(df) # 删除索引名称 del df.index._name # 等效于 df.index._name = None print(df) ''' 输出： A B Index_Name 0 1 4 1 2 5 2 3 6 A B 0 1 4 1 2 5 2 3 6 '''注意：如果在
del df.index._name之前没有设置索引的名称，那么将提示AttributeError错误，因为它只会删除已经存在的索引名称。 - 从 DataFrame 删除行/列：
drop()方法用于从 DataFrame 中删除行/列。axis=0表示删除指定行或多行，axis=1表示删除指定列或多列。import pandas as pd # 创建一个示例 DataFrame df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) # 删除指定行 df_without_rows = df.drop([0, 2]) print(df_without_rows) # 创建一个示例 DataFrame df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) # 删除指定列 df_without_columns = df.drop(['A'], axis=1) print(df_without_columns)
69. 如何获得序列 A 中没有的序列 B 中的项？
要获取 Series A 中没有的 Series B 中的项，可以使用 Pandas 的 isin() 方法和布尔索引。
以下是一种常见的方法：
import pandas as pd
# 创建示例 Series
series_a = pd.Series([1, 2, 3, 4])
series_b = pd.Series([3, 4, 5, 6])
# 使用 isin() 方法检查 Series B 中的项是否在 Series A 中
is_in_series_a = series_b.isin(series_a)
# 使用布尔索引获取 Series B 中不在 Series A 中的项
result = series_b[~is_in_series_a]
print(result)
输出结果如下所示，即为 Series A 中没有的 Series B 中的项：
2 5
3 6
dtype: int64
注意：以上代码假设 Series
A和 SeriesB的数据类型相同（都为整数）。如果 SeriesA和 SeriesB的数据类型不同，需要先将它们转为相同的数据类型。
70. 如何获得序列 A 和序列 B 的非公共项？
要获取序列 A 和序列 B 的非公共项，可以使用 Pandas 的 isin() 方法和布尔索引的结合。
以下是一种常见的方法：
import pandas as pd
# 创建示例 Series
series_a = pd.Series([1, 2, 3, 4])
series_b = pd.Series([3, 4, 5, 6])
# 使用 isin() 方法检查 Series A 和 Series B 中的元素是否相互存在
is_in_series_a = series_b.isin(series_a)
is_in_series_b = series_a.isin(series_b)
# 使用布尔索引获取各自序列中不在另一个序列中的项
result = series_a[~is_in_series_b]._append(series_b[~is_in_series_a])
print(result)
输出结果如下所示，即为序列 A 和序列 B 的非公共项：
0 1
1 2
2 5
3 6
dtype: int64
71. Pandas 库可以识别导入的日期和时间数据吗？
是的，Pandas 库可以识别和处理日期和时间数据。当从不同来源导入数据时，Pandas 提供了多种方法来解析和识别日期和时间。
-
使用
pd.to_datetime()函数：可以使用pd.to_datetime()函数将字符串转换为 Pandas 的日期时间对象。它可以自动解析多种日期和时间格式，并将其转换为标准的日期时间格式。import pandas as pd # 示例数据 data = ['2022-01-01 12:00:00', '2022-01-02 13:30:45', '2022-01-03 15:15:00'] # 转换为日期时间对象 datetime_data = pd.to_datetime(data) print(datetime_data)输出结果如下所示：
DatetimeIndex(['2022-01-01 12:00:00', '2022-01-02 13:30:45', '2022-01-03 15:15:00'], dtype='datetime64[ns]', freq=None)在这个例子中，
pd.to_datetime()函数将日期时间字符串列表转换为 Pandas 的DatetimeIndex对象，这是一个包含日期和时间的索引。 -
dateutil.parser.parse()：在某些情况下，日期和时间可能具有非标准的格式，无法被自动解析。可以使dateutil.parser.parse()函数来解析这些字符串。它是 dateutil 库中的一个功能强大的日期时间解析器。from dateutil.parser import parse import pandas as pd # 示例数据 data = ['01/01/2022 12pm', '01/02/2022 01:30pm', '01/03/2022 03:45pm'] # 解析日期时间字符串 datetime_data = [parse(dt) for dt in data] # 转换为 pandas 的日期时间对象 datetime_data = pd.to_datetime(datetime_data) print(datetime_data)输出结果如下所示：
DatetimeIndex(['2022-01-01 12:00:00', '2022-01-02 13:30:00', '2022-01-03 15:45:00'], dtype='datetime64[ns]', freq=None)
Python 函数库面试问题：待更新
文章出处登录后可见！
