17個必讀的熊貓面試問題和答案[適合新手和有經驗的人]

Pandas 是一個 BSD 許可的開源 Python 庫，提供高性能、易於使用的數據結構和數據分析工具。 Python with Pandas 用於廣泛的學科領域，包括經濟學、金融學、統計學、分析學等。 在這篇文章中，我們列出了一些Python 學習者必須知道的Pandas 面試題和NumPy 面試題。 如果您想了解有關 python 的更多信息，請查看我們的數據科學課程。

熊貓面試問答

問題 1 – 定義 Python Pandas。

Pandas 指的是專門為 Python 編寫的軟件庫，用於分析和操作數據。 Pandas 是由 Wes McKinney 創建的開源跨平台庫。 它於 2008 年發布，提供數據結構和操作來操作數值和時間序列數據。 可以使用 pip 或 Anaconda 發行版安裝 Pandas。 Pandas 使對錶格數據執行機器學習操作變得非常容易。

問題 2 – Pandas 中有哪些不同類型的數據結構？

Panda 庫支持兩種主要類型的數據結構，DataFrames 和 Series。 這兩種數據結構都建立在 NumPy 之上。 Series 是一維且最簡單的數據結構，而 DataFrame 是二維的。 另一個稱為“面板”的軸標籤是一個 3 維數據結構，包括諸如major_axis 和minor_axis 之類的項目。

資源

問題 3——用 Pandas 解釋系列。

Series 是一個一維數組，可以保存任何類型的數據值（字符串、浮點數、整數、python 對像等）。 它是 Pandas 中最簡單的數據結構類型； 在這裡，數據的軸標籤稱為索引。

問題 4 – 在 Pandas 中定義數據框。

DataFrame 是一個二維數組，其中數據以表格形式與行和列對齊。 使用此結構，您可以對行和列執行算術運算。

問題 5 – 如何在 Pandas 中創建一個空數據框？

要在 Pandas 中創建一個空的 DataFrame，請鍵入

將熊貓導入為 pd

ab = pd.DataFrame()

問題 6 – Pandas 庫最重要的功能是什麼？

panda 庫的重要特點是：

• 數據對齊
• 合併和加入
• 內存高效
• 時間序列
• 重塑

閱讀： Apache PySpark 中的數據框：綜合教程

問題 7 – 您將如何解釋 Pandas 中的重新索引？

重新索引意味著修改數據以匹配沿特定軸的特定標籤集。

使用索引可以實現各種操作，例如-

• 在不存在標籤數據的標籤位置插入缺失值 (NA) 標記。
• 重新排序現有數據集以匹配新標籤集。

問題 8 – 在 pandas 中創建 DataFrame 的不同方法是什麼？ 舉例說明。

可以使用 nd 數組的 Lists 或 Dict 創建 DataFrame。

示例 1 – 使用 List 創建 DataFrame

將熊貓導入為 pd

# 一個字符串列表

Strlist = ['Pandas', 'NumPy']

# 調用列表上的DataFrame構造函數

列表 = pd.DataFrame(Strlist)

打印（列表）

示例 2 – 使用數組的字典創建 DataFrame

將熊貓導入為 pd

list = {'ID': [1001, 1002, 1003],'Department':['Science', 'Commerce', 'Arts',]}

列表 = pd.DataFrame(列表)

打印（列表）

查看：數據科學面試問題

問題 9 – 解釋 Pandas 中的分類數據？

分類數據是指可以重複的實時數據； 例如，國家、性別、代碼等類別下的數據值總是重複的。 pandas 中的分類值也只能採用有限且固定數量的可能值。

無法對此類數據執行數值運算。 pandas 中分類數據的所有值要么在類別中，要么在 np.nan 中。

此數據類型在以下情況下很有用：

如果字符串變量只包含幾個不同的值，將其轉換為分類變量可以節省一些內存。

它作為對其他 Python 庫的信號很有用，因為該列必須被視為分類變量。

詞彙順序可以轉換為分類順序以便正確排序，就像邏輯順序一樣。

問題 10 – 在 Pandas 中使用 Dict 創建一個系列。

將熊貓導入為 pd

將 numpy 導入為 np

ser = {'a'：1，'b'：2，'c'：3}

ans = pd.Series(ser)

打印（答案）

問題 11 – 如何在 Pandas 中創建系列的副本？

要在 pandas 中創建系列的副本，請使用以下語法：

pandas.Series.copy

Series.copy(deep=True)

* 如果 deep 的值設置為 false，它既不會復制數據也不會復制索引。

問題 12 – 如何在 Pandas 中為數據框添加索引、行或列？

要將行添加到 DataFrame，我們可以使用 .loc ()、.iloc () 和 .ix()。 .loc () 是基於標籤的，.iloc() 是基於整數的，.ix() 是展位標籤和基於整數的。 要向 DataFrame 添加列，我們可以再次使用 .loc () 或 .iloc ()。

問題 13 – 您將使用什麼方法重命名 Pandas Dataframe 的索引或列？

.rename 方法可用於重命名 DataFrame 的列或索引值

問題 14 – 如何在 Pandas 中迭代 Dataframe？

在 pandas for 循環中迭代 DataFrame 可以與 iterrows () 調用結合使用。

問題 15 – 什麼是 Pandas Numpy 數組？

數值 Python (NumPy) 被定義為 Python 中的一個內置包，用於執行數值計算和多維和一維數組元素的處理。

與其他 Python 數組相比，NumPy 數組的計算速度更快。

問題 16 – 如何將數據框轉換為 Excel 文件？

要將單個對象轉換為 excel 文件，我們可以簡單地指定目標文件的名稱。 但是，要轉換多個工作表，我們需要創建一個ExcelWriter對像以及目標文件名，並指定我們希望導出的工作表。

問題 17 – Pandas 中的 Groupby 函數是什麼？

在 Pandas 中，groupby() 函數允許程序員通過在現實世界的集合中使用數據來重新排列數據。 該函數的主要任務是將數據分成不同的組。

另請閱讀：前 15 個 Python 人工智能和機器學習開源項目

結論

我們希望上述P andas 面試題和NumPy 面試題能幫助你為即將到來的面試做準備。 如果您正在尋找可以幫助您掌握 Python 語言的課程，upGrad可能是最好的平台。

如果您想了解數據科學，請查看 IIIT-B 和 upGrad 的數據科學執行 PG 計劃，該計劃是為在職專業人士創建的，提供 10 多個案例研究和項目、實用的實踐研討會、行業專家的指導、1與行業導師一對一，400 多個小時的學習和頂級公司的工作協助。