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)
# 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）。
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)
