这种划分是将结果分成五个类型，那么所有的学习的成果都是由这五种类型的组合。

智慧技能、语言信息、认知策略、动作技能、态度。其中智慧技能和认知策略需要进行解释，以便加以区别。智慧技能，显然就是技能，且需要运用符号进行运算或者叫思考，这显然是一种抽象。可以说人的绝大多数思维都是智慧技能和语言信息。而认知策略，则是在这之中为活动和运行其技能的时候，采取了某些思维策略。比如典型信息存储和调阅。

一个例子。我们记住一道政治题的解答，或者记住一篇演讲。这个时候，那些具体的内容要点，就是智慧技能，而无疑这里还需要某种语言信息方面的内容。同时，我们又有记住这些问题的一些技巧或者方式。比如运行联想的方法，比如运用理解这些观点内在的逻辑发展的方法，或者干脆是死记硬背的方法，这些方法就是认知策略。

当然将认知策略和具体的智慧技能进行区隔，是有些地方应该可以展开讨论的。特别是我们将智慧技能进行深入的再分类之后。但是无疑这样的区分，也是有巨大好处的。最简单的一点就是，在比较人与人之间的差异的时候，这种认知策略的区分就很容易被我们发现。

而进一步我们可以对智慧技能进行深入的划分，然后按照其发展的顺序进行排列。显然这里我用到了一种认知策略。比如还是分成五个，基本的联想和连锁，辨别，概念，规则，高级规则。进一步，我们可以认为认知策略，符合高级规则或者规则的特征。于是我们就将这些概念，以某种规则或者策略进行了联系，同时也对这些联系进行了规范化的确立。当然我们完全可以，用另外的某种容易被我们理解的顺序，或者干脆不成顺序的顺序进行划分。这依旧是一个策略问题。

因此可以看出，我对于认知策略的重视是显而易见的，并且我对于认知策略关注也是显而易见的。虽然我不能确定，认知策略比智慧技能更加重要，因为毕竟具体的事物处理需要依靠这些具体的技能；但是我依然愿意投入更多的关注和资源在认知策略上，因为我觉得效率和有序以及可管理，这些特性需要以此为保障。

本文主要从使用与场景两方面来介绍Redis的五种基本数据类型与三种特殊数据类型，这些数据类型的使用看着很简单，但还是要敲一遍才能更好的了解。文末附带这八种数据类型的思维导图。
String
String是Redis最基本的数据结构，他采用K-V的形式来存储数据，当然了，虽然是String，但是他的value也可以为int、float形式，也可以存储json、图片等，但是不能超过521MB。
使用场景：

1、做缓存。

2、计数，比如粉丝数、文章阅读量

3、分布式session。


Hash
键值对形式的存储结构，可以使用hash来存储个人信息，比String更加直观清楚。

List
与我们使用的list一样，他就是一个存储数据的队列，他可以存储多个有序的字符串，可以实现消息队列、栈、公众号的文章列表。

Set
set与list大致类似，但是set是不允许有重复的元素。set有并集、交集等操作，可以使用交集来找到共同好友、关注人等。
set也提供随机返回一个集合中的元素，可以使用这个性质来完成抽奖功能。

ZSet
zset与set类似，但是他里面的元素是有序的，每个元素会设置一个score，根据这个score来进行排序。比如可以实现排行榜的功能。

Geospatial
地理位置。通过经纬度可以计算得到两地之间的距离。也可以计算在某个位置的指定距离中有多少元素，比如附近的人的功能。

Hyperloglog
基数，不可重复的元素。比如一个用户多次访问一个网站，会保存多个用户id，使用Hyperloglog可以将这些重复的用户id看作一个人，减少重复。

bitmap
bitmap：位图。可以将key放在位图的指定位置，也就是offset，然后指定他的值，在位图中，值只能为0或者1。使用位图可以方便地进行统计数量、获取指定时间内地活跃用户。

上面的所有内容已转换为思维导图放到github上：

https://github.com/PonnyDong/Mind/tree/master/src/redis

格式为PDF。

C风格强制转换

即通过圆括号直接转型，常见有以下几种情况：

 浮点数赋值给整型，舍弃小数部分（符合一般思维，可放心使用）
 整数赋值给浮点型，数值不变，底层改用指数格式存储（符合一般思维，可放心使用）
 double型小数赋值给float型小数，精度略微损失，可能出现数值范围溢出（小心使用）
 字符赋值给整数型，保留原字节数据，因为字符本身就是用ASCII码表示的，本质就是八位的较小整数（理解字符的存储方式，就很容易接受）
 整数赋值给字符型，截断高地址数据，只保留低地址的八位，因为char型最多只有八位（小心使用）
 有符号整数赋值给无符号整数，将包括符号在内的全部字节的直接赋值，实际数值会改变（小心使用）
 无符号整数赋值给有符号整数，也是将包括符号在内的全部字节的直接赋值，但是数值可能会改变（小心使用）
 unsigned int和int字节存储区别：unsigned int和int位数是一样的，但是int将首个bit位作为正负号，0表示正数，1表示负数。unsigned int和int之间都是以字节的方式相互赋值。当字节以0开头时，它们表示的数值是相同的，当字节以1开头时，它们则分别表示整数和负数。由于int将首位作为符号位，因此它实际能表示的最大正整数只有unsigned int的一半

static_cast静态转换

类似C风格的强制转换，只允许在有关联的指针类型或基本类型间使用

比如基类指针和子类指针，int和double，对象指针和void指针

	int main() {
	    double a = 1099.255;
	    int b = static_cast<int>(a);
	    char c[] = "hello";
	    string d = static_cast<string>(c);
	    cout << a << endl;
	    cout << b << endl;
	    cout << c << endl;
	    cout << d << endl;
	    return 0;
	}


dynamic_cast动态转换

用于基类指针和子类指针之间的转换

虽然static_cast也具备这样的功能，但是是不安全的，dynamic_cast则会在转型时判断类型，如果类型不符则返回nullptr

由于类型信息是保存在虚函数表中的，因此dynamic_cast操作的基类必须包含virtual函数

不要觉得这个限制很麻烦，因为dynamic_cast的定位就是在多态场景下使用的

	class Animal {
	    virtual void speak() {}
	};
	
	class Cat : public Animal {
	    void speak() {}
	};
	
	class Dog : public Animal {
	    void speak() {}
	};
	
	int main() {
	    Cat *a = new Cat;
	    Animal *b = dynamic_cast<Animal *>(a);
	    Cat *c = dynamic_cast<Cat *>(b);
	    Dog *d = dynamic_cast<Dog *>(b);
	
	    cout << a << endl;
	    cout << b << endl;
	    cout << c << endl;
	    cout << d << endl;
	    return 0;
	}


reinterpret_cast重译转换

reinterpret_cast用于将地址，强制转换为任意类型的指针

顾名思义，reinterpret_cast就是不改变指针地址，但是强制将地址处的内存字节解释为某种类型的数据

	class Object {
	  public:
	    char h = 'H';
	    char i = 'I';
	    char j = 'J';
	    int m = 100;
	    int n = 200;
	    int k = 300;
	    int x = 400;
	    int y = 500;
	    int z = 600;
	};
	
	int main() {
	    Object a;
	    double *b = reinterpret_cast<double *>(&a);
	    bool *c = reinterpret_cast<bool *>(&a);
	    char *d = reinterpret_cast<char *>(&a);
	    int *e = reinterpret_cast<int *>(&a);
	    int *f = reinterpret_cast<int *>(&a.m);
	
	    cout << &a << endl;
	    cout << *b << endl;
	    cout << *c << endl;
	    cout << *d << endl;
	    cout << d[1] << endl;
	    cout << d[2] << endl;
	    cout << *e << endl;
	    cout << *f << endl;
	    return 0;
	}


const_cast常量转换

const_cast用于常量指针和非常量指针间的转换，同样适用于引用

函数和模块接口，由于会暴漏给很多文件或代码使用，难免会遇到需要修改const属性的情况，因为凡事总有特例，不可能一个接口适用于所有情景

即便是在单个文件中，我们也可能希望某个变量在大多时候值不被修改，但是在某个特定地方却又必须修改它的值，这时const_cast就派上用场了

const_cast提供了一个解决特殊需求的捷径，但是不应当滥用，否则const属性就失去意义了

	int *getValue() {
	    return new int(10);
	}
	
	int main() {
	    //const转非const
	    int a = 100;
	    //定义一个指针pa，我们希望通过它来访问a，但是不希望它修改a的值，所以定义为const int *
	    const int *pa = &a;
	    //之后我们遇到一个特殊情况，必须得修改a的值，所以我们临时去除pa的const属性，赋值给pb
	    int *pb = const_cast<int *>(pa);
	    //通过pb修改a的值，完成其特殊使命后，我们应当继续使用pa
	    //注意，这里的a并不是const的，否则我们将无法修改a的数值
	    //我们只是将pa定义为const，禁止pa修改a的值而已
	    *pb = 200;
	    pb = nullptr;
	    //测试a的值
	    cout << a << endl;
	
	    //非const转const
	    //我们不希望函数的返回值被修改，所以将其转为const的
	    const int *pe = const_cast<const int *>(getValue());
	
	    return 0;
	}

五、表格


  
原文：Tables
  
  
译者：飞龙
  
  
协议：CC BY-NC-SA 4.0
  
  
自豪地采用谷歌翻译


表格是表示数据集的基本对象类型。 表格可以用两种方式查看：

具名列的序列，每列都描述数据集中所有条目的一个方面，或者
行的序列，每行都包含数据集中单个条目的所有信息。
为了使用表格，导入所有称为datascience的模块，这是为这篇文章创建的模块。



from datascience import *

空表格可以使用Table创建。空表格是实用的，因为他可以扩展来包含新行和新列。



Table()

表格上的with_columns方法使用带有附加标签的列，构造一个新表。 表格的每一列都是一个数组。 为了将一个新列添加到表中，请使用标签和数组调用with_columns。 （with_column方法具有相同的效果。）

下面，我们用一个没有列的空表开始每个例子。



Table().with_columns('Number of petals', make_array(8, 34, 5))

Number of petals
8
34
5
为了添加两个（或更多）新列，请为每列提供一个数组和标签。 所有列必须具有相同的长度，否则会发生错误。



Table().with_columns(
    'Number of petals', make_array(8, 34, 5),
    'Name', make_array('lotus', 'sunflower', 'rose')
)

Number of petals
  
Name
8
  
lotus
34
  
sunflower
5
  
rose
我们可以给这个表格一个名词，之后使用另外一列扩展表格。



flowers = Table().with_columns(
    'Number of petals', make_array(8, 34, 5),
    'Name', make_array('lotus', 'sunflower', 'rose')
)

flowers.with_columns(
    'Color', make_array('pink', 'yellow', 'red')
)

Number of petals
  
Name
  
Color
8
  
lotus
  
pink
34
  
sunflower
  
yellow
5
  
rose
  
red
with_columns方法每次调用时，都会创建一个新表，所以原始表不受影响。 例如，表an_example仍然只有它创建时的两列。



flowers

Number of petals
  
Name
8
  
lotus
34
  
sunflower
5
  
rose
通过这种方式创建表涉及大量的输入。 如果数据已经输入到某个地方，通常可以使用 Python 将其读入表格中，而不是逐个单元格地输入。

通常，表格从包含逗号分隔值的文件创建。这些文件被称为 CSV 文件。

下面，我们使用Table的read_table方法，来读取一个 CSV 文件，它包含了一些数据，Minard 在他的拿破仑的俄罗斯战役的图片中使用。 数据放在名为minard的表中。



minard = Table.read_table('minard.csv')
minard

Longitude
  
Latitude
  
City
  
Direction
  
Survivors
32
  
54.8
  
Smolensk
  
Advance
  
145000
33.2
  
54.9
  
Dorogobouge
  
Advance
  
140000
34.4
  
55.5
  
Chjat
  
Advance
  
127100
37.6
  
55.8
  
Moscou
  
Advance
  
100000
34.3
  
55.2
  
Wixma
  
Retreat
  
55000
32
  
54.6
  
Smolensk
  
Retreat
  
24000
30.4
  
54.4
  
Orscha
  
Retreat
  
20000
26.8
  
54.3
  
Moiodexno
  
Retreat
  
12000
我们将使用这个小的表格来演示一些有用的表格方法。 然后，我们将使用这些相同的方法，并在更大的数据表上开发其他方法。



表格的大小

num_columns方法提供了表中的列数量，num_rows是行数量。



minard.num_columns
5
minard.num_rows
8



列标签

labels方法可以用来列出所有列的标签。 对于minard，并不是特别有用，但是对于那些非常大的表格，并不是所有的列都在屏幕上可见。



minard.labels
('Longitude', 'Latitude', 'City', 'Direction', 'Survivors')

我们使用relabeled修改列标签。这会创建新的表格，并保留minard不变。



minard.relabeled('City', 'City Name')

Longitude
  
Latitude
  
City Name
  
Direction
  
Survivors
32
  
54.8
  
Smolensk
  
Advance
  
145000
33.2
  
54.9
  
Dorogobouge
  
Advance
  
140000
34.4
  
55.5
  
Chjat
  
Advance
  
127100
37.6
  
55.8
  
Moscou
  
Advance
  
100000
34.3
  
55.2
  
Wixma
  
Retreat
  
55000
32
  
54.6
  
Smolensk
  
Retreat
  
24000
30.4
  
54.4
  
Orscha
  
Retreat
  
20000
26.8
  
54.3
  
Moiodexno
  
Retreat
  
12000
但是，这个方法并不修改原始表。



minard

Longitude
  
Latitude
  
City
  
Direction
  
Survivors
32
  
54.8
  
Smolensk
  
Advance
  
145000
33.2
  
54.9
  
Dorogobouge
  
Advance
  
140000
34.4
  
55.5
  
Chjat
  
Advance
  
127100
37.6
  
55.8
  
Moscou
  
Advance
  
100000
34.3
  
55.2
  
Wixma
  
Retreat
  
55000
32
  
54.6
  
Smolensk
  
Retreat
  
24000
30.4
  
54.4
  
Orscha
  
Retreat
  
20000
26.8
  
54.3
  
Moiodexno
  
Retreat
  
12000
常见的模式时将原始名称minard赋给新的表，以便minard未来的所有使用，都会引用修改标签的表格。



minard = minard.relabeled('City', 'City Name')
minard

Longitude
  
Latitude
  
City Name
  
Direction
  
Survivors
32
  
54.8
  
Smolensk
  
Advance
  
145000
33.2
  
54.9
  
Dorogobouge
  
Advance
  
140000
34.4
  
55.5
  
Chjat
  
Advance
  
127100
37.6
  
55.8
  
Moscou
  
Advance
  
100000
34.3
  
55.2
  
Wixma
  
Retreat
  
55000
32
  
54.6
  
Smolensk
  
Retreat
  
24000
30.4
  
54.4
  
Orscha
  
Retreat
  
20000
26.8
  
54.3
  
Moiodexno
  
Retreat
  
12000
访问列中的数据

我们可以使用列标签来访问列中的数据数组。



minard.column('Survivors')
array([145000, 140000, 127100, 100000,  55000,  24000,  20000,  12000])

五列的下标分别为0, 1, 2, 3, 4。Survivors列也可以使用列下标来访问。



minard.column(4)
array([145000, 140000, 127100, 100000,  55000,  24000,  20000,  12000])

数组中的八个条目下标为0, 1, 2, ..., 7。列中的条目可以使用item访问，就像任何数组那样。



minard.column(4).item(0)
145000
minard.column(4).item(5)
24000



处理列中的数据

因为列是数组，所以我们可以使用数组操作来探索新的信息。 例如，我们可以创建一个新列，其中包含 Smolensk 之后每个城市的所有幸存者的百分比。



initial = minard.column('Survivors').item(0)
minard = minard.with_columns(
    'Percent Surviving', minard.column('Survivors')/initial
)
minard

Longitude
  
Latitude
  
City Name
  
Direction
  
Survivors
  
Percent Surviving
32
  
54.8
  
Smolensk
  
Advance
  
145000
  
100.00%
33.2
  
54.9
  
Dorogobouge
  
Advance
  
140000
  
96.55%
34.4
  
55.5
  
Chjat
  
Advance
  
127100
  
87.66%
37.6
  
55.8
  
Moscou
  
Advance
  
100000
  
68.97%
34.3
  
55.2
  
Wixma
  
Retreat
  
55000
  
37.93%
32
  
54.6
  
Smolensk
  
Retreat
  
24000
  
16.55%
30.4
  
54.4
  
Orscha
  
Retreat
  
20000
  
13.79%
26.8
  
54.3
  
Moiodexno
  
Retreat
  
12000
  
8.28%
要使新列中的比例显示为百分比，我们可以使用选项PercentFormatter调用set_format方法。 set_format方法接受Formatter对象，存在日期（DateFormatter），货币（CurrencyFormatter），数字和百分比。



minard.set_format('Percent Surviving', PercentFormatter)

Longitude
  
Latitude
  
City Name
  
Direction
  
Survivors
  
Percent Surviving
32
  
54.8
  
Smolensk
  
Advance
  
145000
  
100.00%
33.2
  
54.9
  
Dorogobouge
  
Advance
  
140000
  
96.55%
34.4
  
55.5
  
Chjat
  
Advance
  
127100
  
87.66%
37.6
  
55.8
  
Moscou
  
Advance
  
100000
  
68.97%
34.3
  
55.2
  
Wixma
  
Retreat
  
55000
  
37.93%
32
  
54.6
  
Smolensk
  
Retreat
  
24000
  
16.55%
30.4
  
54.4
  
Orscha
  
Retreat
  
20000
  
13.79%
26.8
  
54.3
  
Moiodexno
  
Retreat
  
12000
  
8.28%
选择列的集合

select方法创建一个新表，仅仅包含指定的列。



minard.select('Longitude', 'Latitude')

Longitude
  
Latitude
32
  
54.8
33.2
  
54.9
34.4
  
55.5
37.6
  
55.8
34.3
  
55.2
32
  
54.6
30.4
  
54.4
26.8
  
54.3
使用列索引而不是标签，也可以执行相同选择。



minard.select(0, 1)

Longitude
  
Latitude
32
  
54.8
33.2
  
54.9
34.4
  
55.5
37.6
  
55.8
34.3
  
55.2
32
  
54.6
30.4
  
54.4
26.8
  
54.3
select的结果是个新表，即使当你选择一列时也是这样。



minard.select('Survivors')

Survivors
145000
140000
127100
100000
55000
24000
20000
12000
要注意结果是个表格，不像column的结果，它是个数组。



minard.column('Survivors')
array([145000, 140000, 127100, 100000,  55000,  24000,  20000,  12000])

另一种创建新表，包含列集合的方式，是drop你不想要的列。



minard.drop('Longitude', 'Latitude', 'Direction')

City Name
  
Survivors
  
Percent Surviving
Smolensk
  
145000
  
100.00%
Dorogobouge
  
140000
  
96.55%
Chjat
  
127100
  
87.66%
Moscou
  
100000
  
68.97%
Wixma
  
55000
  
37.93%
Smolensk
  
24000
  
16.55%
Orscha
  
20000
  
13.79%
Moiodexno
  
12000
  
8.28%
select和drop都不修改原始表格。 相反，他们创建了共享相同数据的新小型表格。 保留的原始表格是实用的！ 你可以生成多个不同的表格，只考虑某些列，而不用担心会互相影响。



minard

Longitude
  
Latitude
  
City Name
  
Direction
  
Survivors
  
Percent Surviving
32
  
54.8
  
Smolensk
  
Advance
  
145000
  
100.00%
33.2
  
54.9
  
Dorogobouge
  
Advance
  
140000
  
96.55%
34.4
  
55.5
  
Chjat
  
Advance
  
127100
  
87.66%
37.6
  
55.8
  
Moscou
  
Advance
  
100000
  
68.97%
34.3
  
55.2
  
Wixma
  
Retreat
  
55000
  
37.93%
32
  
54.6
  
Smolensk
  
Retreat
  
24000
  
16.55%
30.4
  
54.4
  
Orscha
  
Retreat
  
20000
  
13.79%
26.8
  
54.3
  
Moiodexno
  
Retreat
  
12000
  
8.28%
我们用过的所有方法都可以用在任何表格上。



对行排序

CNN 在 2016 年 3 月报道说：“NBA 是全球薪水最高的职业体育联盟。”nba_salaries包含了 2015~2016 年间所有 NBA 球员的薪水。

每行表示一个球员。列为：

列标签
  
描述
PLAYER
  
球员名称
POSITION
  
球员在队里的位置
TEAM
  
队的明确
'15-'16 SALARY
  
2015~2016 年的球员薪水，单位是百万美元。
位置代码是 PG（控球后卫），SG（得分后卫），PF（大前锋），SF（小前锋）和 C（中锋）。 但接下来的内容并不涉及篮球运动的细节。

第一行显示，亚特兰大老鹰队（Atlanta Hawks）的大前锋保罗·米尔萨普（Paul Millsap）在 2015~2016 年间的薪水接近 1870 万美元。



# This table can be found online: https://www.statcrunch.com/app/index.php?dataid=1843341
nba_salaries = Table.read_table('nba_salaries.csv')
nba_salaries

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Paul Millsap
  
PF
  
Atlanta Hawks
  
18.6717
Al Horford
  
C
  
Atlanta Hawks
  
12
Tiago Splitter
  
C
  
Atlanta Hawks
  
9.75625
Jeff Teague
  
PG
  
Atlanta Hawks
  
8
Kyle Korver
  
SG
  
Atlanta Hawks
  
5.74648
Thabo Sefolosha
  
SF
  
Atlanta Hawks
  
4
Mike Scott
  
PF
  
Atlanta Hawks
  
3.33333
Kent Bazemore
  
SF
  
Atlanta Hawks
  
2
Dennis Schroder
  
PG
  
Atlanta Hawks
  
1.7634
Tim Hardaway Jr.
  
SG
  
Atlanta Hawks
  
1.30452
（省略了 407 行）

该表包含 417 行，每个球员一行。 只显示了 10 行。show方法允许我们指定行数，缺省值（没有指定）是表的所有行。



nba_salaries.show(3)

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Paul Millsap
  
PF
  
Atlanta Hawks
  
18.6717
Al Horford
  
C
  
Atlanta Hawks
  
12
Tiago Splitter
  
C
  
Atlanta Hawks
  
9.75625
（省略了 414 行）

通过浏览大约 20 行左右，你会看到行按字母顺序排列。 也可以使用sort方法，按球员姓名的字母顺序列出相同的行。 sort的参数是列标签或索引。



nba_salaries.sort('PLAYER').show(5)

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Aaron Brooks
  
PG
  
Chicago Bulls
  
2.25
Aaron Gordon
  
PF
  
Orlando Magic
  
4.17168
Aaron Harrison
  
SG
  
Charlotte Hornets
  
0.525093
Adreian Payne
  
PF
  
Minnesota Timberwolves
  
1.93884
Al Horford
  
C
  
Atlanta Hawks
  
12
（省略了 412 行）

440/5000 

为了检查球员的薪水，如果数据是按薪水排序的话，会更有帮助。

为了实现它，我们首先简化薪水列的标签（只是为了方便），然后用新的标签SALARY进行排序。

这会按照薪水的升序排列表中的所有行，最低的薪水在最前面。 输出是一个新表，列与原始表格相同，但行是重新排列的。



nba = nba_salaries.relabeled("'15-'16 SALARY", 'SALARY')
nba.sort('SALARY')

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Thanasis Antetokounmpo
  
SF
  
New York Knicks
  
0.030888
Jordan McRae
  
SG
  
Phoenix Suns
  
0.049709
Cory Jefferson
  
PF
  
Phoenix Suns
  
0.049709
Elliot Williams
  
SG
  
Memphis Grizzlies
  
0.055722
Orlando Johnson
  
SG
  
Phoenix Suns
  
0.055722
Phil Pressey
  
PG
  
Phoenix Suns
  
0.055722
Keith Appling
  
PG
  
Orlando Magic
  
0.061776
Sean Kilpatrick
  
SG
  
Denver Nuggets
  
0.099418
Erick Green
  
PG
  
Utah Jazz
  
0.099418
Jeff Ayres
  
PF
  
Los Angeles Clippers
  
0.111444
（省略了 407 行）

这些数字有些难以比较，因为这些球员中的一些，在赛季中改变了球队，并从不止一支球队获得了薪水。 只有最后一支球队的薪水出现在表中。 控球后卫菲尔·普莱西（Phil Pressey）在年内从费城搬到了凤凰城，可能会再次转到金州勇士队（Golden State Warriors）。

CNN 的报道是薪酬水平的另一端 - 那些在世界上薪水最高的球员。

为了按照薪水的降序对表格的行排序，我们必须以descending=True调用sort函数。



nba.sort('SALARY', descending=True)

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Kobe Bryant
  
SF
  
Los Angeles Lakers
  
25
Joe Johnson
  
SF
  
Brooklyn Nets
  
24.8949
LeBron James
  
SF
  
Cleveland Cavaliers
  
22.9705
Carmelo Anthony
  
SF
  
New York Knicks
  
22.875
Dwight Howard
  
C
  
Houston Rockets
  
22.3594
Chris Bosh
  
PF
  
Miami Heat
  
22.1927
Chris Paul
  
PG
  
Los Angeles Clippers
  
21.4687
Kevin Durant
  
SF
  
Oklahoma City Thunder
  
20.1586
Derrick Rose
  
PG
  
Chicago Bulls
  
20.0931
Dwyane Wade
  
SG
  
Miami Heat
  
20
（省略了 407 行）

科比（Kobe Bryant）在湖人队（Lakers）的最后一个赛季是薪水最高的，2500 万美元。 请注意，MVP 斯蒂芬·库里（Stephen Curry）并没有出现在前 10 名之列。他排在后面，我们将在后面看到。



具名参数

这个调用表达式的descending = True部分称为具名参数。 调用一个函数或方法时，每个参数都有一个位置和一个名字。 从函数或方法的帮助文本中都可以看出它们。



help(nba.sort)
Help on method sort in module datascience.tables:

sort(column_or_label, descending=False, distinct=False) method of datascience.tables.Table instance
    Return a Table of rows sorted according to the values in a column.

    Args:
        ``column_or_label``: the column whose values are used for sorting.

        ``descending``: if True, sorting will be in descending, rather than
            ascending order.

        ``distinct``: if True, repeated values in ``column_or_label`` will
            be omitted.

    Returns:
        An instance of ``Table`` containing rows sorted based on the values
        in ``column_or_label``.

    >>> marbles = Table().with_columns(
    ...    "Color", make_array("Red", "Green", "Blue", "Red", "Green", "Green"),
    ...    "Shape", make_array("Round", "Rectangular", "Rectangular", "Round", "Rectangular", "Round"),
    ...    "Amount", make_array(4, 6, 12, 7, 9, 2),
    ...    "Price", make_array(1.30, 1.30, 2.00, 1.75, 1.40, 1.00))
    >>> marbles
    Color | Shape       | Amount | Price
    Red   | Round       | 4      | 1.3
    Green | Rectangular | 6      | 1.3
    Blue  | Rectangular | 12     | 2
    Red   | Round       | 7      | 1.75
    Green | Rectangular | 9      | 1.4
    Green | Round       | 2      | 1
    >>> marbles.sort("Amount")
    Color | Shape       | Amount | Price
    Green | Round       | 2      | 1
    Red   | Round       | 4      | 1.3
    Green | Rectangular | 6      | 1.3
    Red   | Round       | 7      | 1.75
    Green | Rectangular | 9      | 1.4
    Blue  | Rectangular | 12     | 2
    >>> marbles.sort("Amount", descending = True)
    Color | Shape       | Amount | Price
    Blue  | Rectangular | 12     | 2
    Green | Rectangular | 9      | 1.4
    Red   | Round       | 7      | 1.75
    Green | Rectangular | 6      | 1.3
    Red   | Round       | 4      | 1.3
    Green | Round       | 2      | 1
    >>> marbles.sort(3) # the Price column
    Color | Shape       | Amount | Price
    Green | Round       | 2      | 1
    Red   | Round       | 4      | 1.3
    Green | Rectangular | 6      | 1.3
    Green | Rectangular | 9      | 1.4
    Red   | Round       | 7      | 1.75
    Blue  | Rectangular | 12     | 2
    >>> marbles.sort(3, distinct = True)
    Color | Shape       | Amount | Price
    Green | Round       | 2      | 1
    Red   | Round       | 4      | 1.3
    Green | Rectangular | 9      | 1.4
    Red   | Round       | 7      | 1.75
    Blue  | Rectangular | 12     | 2

在help文本的最上面，出现了sort方法的签名。



sort(column_or_label, descending=False, distinct=False)

这描述了sort的三个参数的位置，名称和默认值。 调用此方法时，可以使用位置参数或具名参数，因此以下三个调用完全相同。



sort('SALARY', True)
sort('SALARY', descending=True)
sort(column_or_label='SALARY', descending=True)

当一个参数只是True或False时，包含参数名称是实用的约定，以便更明显地说明参数值的含义。



行的选取

通常，我们只想提取那些行，它们对应具有特定特征的条目。 例如，我们可能只需要对应勇士的行，或者获得超过一千万美元的球员。 或者我们可能只想要薪水前五名的人。



指定行

Table的方法就是干这个的 - 它需要一组指定的行。 它的参数是行索引或索引数组，它创建一个只包含这些行的新表。

例如，如果我们只想要nba的第一行，我们可以这样使用take。



nba

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Paul Millsap
  
PF
  
Atlanta Hawks
  
18.6717
Al Horford
  
C
  
Atlanta Hawks
  
12
Tiago Splitter
  
C
  
Atlanta Hawks
  
9.75625
Jeff Teague
  
PG
  
Atlanta Hawks
  
8
Kyle Korver
  
SG
  
Atlanta Hawks
  
5.74648
Thabo Sefolosha
  
SF
  
Atlanta Hawks
  
4
Mike Scott
  
PF
  
Atlanta Hawks
  
3.33333
Kent Bazemore
  
SF
  
Atlanta Hawks
  
2
Dennis Schroder
  
PG
  
Atlanta Hawks
  
1.7634
Tim Hardaway Jr.
  
SG
  
Atlanta Hawks
  
1.30452
（省略了 407 行）



nba.take(0)

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Paul Millsap
  
PF
  
Atlanta Hawks
  
18.6717
这是一个新表，只拥有我们指定的单个行。

通过指定一系列索引作为参数，我们还可以获得第四，第五和第六行。



nba.take(np.arange(3, 6))

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Jeff Teague
  
PG
  
Atlanta Hawks
  
8
Kyle Korver
  
SG
  
Atlanta Hawks
  
5.74648
Thabo Sefolosha
  
SF
  
Atlanta Hawks
  
4
如果我们想要前五个最高薪球员的表格，我们可以先按薪水排序，然后取前五行：



nba.sort('SALARY', descending=True).take(np.arange(5))

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Kobe Bryant
  
SF
  
Los Angeles Lakers
  
25
Joe Johnson
  
SF
  
Brooklyn Nets
  
24.8949
LeBron James
  
SF
  
Cleveland Cavaliers
  
22.9705
Carmelo Anthony
  
SF
  
New York Knicks
  
22.875
Dwight Howard
  
C
  
Houston Rockets
  
22.3594
对应指定特征的行

更常见的情况是，我们打算访问一组行中的数据，它们具有某种特征，但是我们并不知道其索引。 例如，我们可能想要所有薪水大于一千万美元的球员的数据，但我们不希望花费时间，对已排序的表中的行进行计数。

where方法可以做到。 它的输出是一个表格，列与原始表格相同，但只有特征出现的行。

where的第一个参数是列标签，列中包含信息，有关某行是否具有我们想要的特征。 如果特征是“薪水超过一千万美元”，那么列就是SALARY。

where的第二个参数是用于指定特征的方式。 一些例子会使指定的一般方式更容易理解。

在第一个例子中，我们提取了所有薪水超过一千万美元的人的数据。



nba.where('SALARY', are.above(10))

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Paul Millsap
  
PF
  
Atlanta Hawks
  
18.6717
Al Horford
  
C
  
Atlanta Hawks
  
12
Joe Johnson
  
SF
  
Brooklyn Nets
  
24.8949
Thaddeus Young
  
PF
  
Brooklyn Nets
  
11.236
Al Jefferson
  
C
  
Charlotte Hornets
  
13.5
Nicolas Batum
  
SG
  
Charlotte Hornets
  
13.1253
Kemba Walker
  
PG
  
Charlotte Hornets
  
12
Derrick Rose
  
PG
  
Chicago Bulls
  
20.0931
Jimmy Butler
  
SG
  
Chicago Bulls
  
16.4075
Joakim Noah
  
C
  
Chicago Bulls
  
13.4
（省略了 59 行）

are.above(10)的参数的确保了，每个选择的行的SALARY大于 10。

新的表格有 69 行，相当于 69 个球员的薪水是一千万美元。 按顺序排列这些行使数据更易于分析。 多伦多猛龙队（Toronto Raptors）的德玛尔·德罗赞（DeMar DeRozan）是这个分组（薪水超过一千万美元）中“最穷”的一个。



nba.where('SALARY', are.above(10)).sort('SALARY')

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
DeMar DeRozan
  
SG
  
Toronto Raptors
  
10.05
Gerald Wallace
  
SF
  
Philadelphia 76ers
  
10.1059
Luol Deng
  
SF
  
Miami Heat
  
10.1516
Monta Ellis
  
SG
  
Indiana Pacers
  
10.3
Wilson Chandler
  
SF
  
Denver Nuggets
  
10.4494
Brendan Haywood
  
C
  
Cleveland Cavaliers
  
10.5225
Jrue Holiday
  
PG
  
New Orleans Pelicans
  
10.5955
Tyreke Evans
  
SG
  
New Orleans Pelicans
  
10.7346
Marcin Gortat
  
C
  
Washington Wizards
  
11.2174
Thaddeus Young
  
PF
  
Brooklyn Nets
  
11.236
（省略了 59 行）

斯蒂芬·库里（Stephen Curry）挣了多少？ 对于答案，我们必须访问PLAYER的值等于Stephen Curry的行。 这是一个只包含一行的表格：



nba.where('PLAYER', are.equal_to('Stephen Curry'))

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Stephen Curry
  
PG
  
Golden State Warriors
  
11.3708
库里只有不到 1140 万美元。 这是很多钱，但还不到勒布朗·詹姆斯（LeBron James）薪水的一半。 你可以在本节前面的“前 5 名”表中找到薪水，或者你可以在上面的代码中找到它，将'Stephen Curry换成'LeBron James'。

代码中再次使用了are，但这次是谓词equal_to而不是上面那个。 因此，例如，你可以得到包含所有的勇士的表格：



nba.where('TEAM', are.equal_to('Golden State Warriors')).show()

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Klay Thompson
  
SG
  
Golden State Warriors
  
15.501
Draymond Green
  
PF
  
Golden State Warriors
  
14.2609
Andrew Bogut
  
C
  
Golden State Warriors
  
13.8
Andre Iguodala
  
SF
  
Golden State Warriors
  
11.7105
Stephen Curry
  
PG
  
Golden State Warriors
  
11.3708
Jason Thompson
  
PF
  
Golden State Warriors
  
7.00847
Shaun Livingston
  
PG
  
Golden State Warriors
  
5.54373
Harrison Barnes
  
SF
  
Golden State Warriors
  
3.8734
Marreese Speights
  
C
  
Golden State Warriors
  
3.815
Leandro Barbosa
  
SG
  
Golden State Warriors
  
2.5
Festus Ezeli
  
C
  
Golden State Warriors
  
2.00875
Brandon Rush
  
SF
  
Golden State Warriors
  
1.27096
Kevon Looney
  
SF
  
Golden State Warriors
  
1.13196
Anderson Varejao
  
PF
  
Golden State Warriors
  
0.289755
这部分表格已经按薪水排序，因为原始的表格按薪水排序，列出了同一个球队中球员。 行尾的.show()确保显示所有行，而不仅仅是前 10 行。

请求某列等于某值的行非常普遍，因此are.equal_to调用是可选的。 相反，仅仅使用列名和值来调用where方法，以达到相同的效果。



nba.where('TEAM', 'Denver Nuggets') 
# equivalent to nba.where('TEAM', are.equal_to('Denver Nuggets'))

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Danilo Gallinari
  
SF
  
Denver Nuggets
  
14
Kenneth Faried
  
PF
  
Denver Nuggets
  
11.236
Wilson Chandler
  
SF
  
Denver Nuggets
  
10.4494
JJ Hickson
  
C
  
Denver Nuggets
  
5.6135
Jameer Nelson
  
PG
  
Denver Nuggets
  
4.345
Will Barton
  
SF
  
Denver Nuggets
  
3.53333
Emmanuel Mudiay
  
PG
  
Denver Nuggets
  
3.10224
Darrell Arthur
  
PF
  
Denver Nuggets
  
2.814
Jusuf Nurkic
  
C
  
Denver Nuggets
  
1.842
Joffrey Lauvergne
  
C
  
Denver Nuggets
  
1.70972
（省略了 4 行）



多个属性

通过重复使用where，你可以访问具有多个指定特征的行。 例如，这是一种方法，提取薪水超过一千五百万美元的所有控球后卫。



nba.where('POSITION', 'PG').where('SALARY', are.above(15))

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Derrick Rose
  
PG
  
Chicago Bulls
  
20.0931
Kyrie Irving
  
PG
  
Cleveland Cavaliers
  
16.4075
Chris Paul
  
PG
  
Los Angeles Clippers
  
21.4687
Russell Westbrook
  
PG
  
Oklahoma City Thunder
  
16.7442
John Wall
  
PG
  
Washington Wizards
  
15.852
一般形式

现在你已经意识到，通过选择具有给定特征的行，来创建新表的一般方法，是使用where和are，以及适当的条件：



original_table_name.where(column_label_string, are.condition)

nba.where('SALARY', are.between(10, 10.3))

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Luol Deng
  
SF
  
Miami Heat
  
10.1516
Gerald Wallace
  
SF
  
Philadelphia 76ers
  
10.1059
Danny Green
  
SG
  
San Antonio Spurs
  
10
DeMar DeRozan
  
SG
  
Toronto Raptors
  
10.05
请注意，上面的表格包括赚一千万美元的 Danny Green，而不包括一千三百万美元的 Monta Ellis。 与 Python 中的其他地方一样，范围包括左端但不包括右端。

如果我们指定一个任何行都不满足的条件，我们得到一个带有列标签但没有行的表。



nba.where('PLAYER', are.equal_to('Barack Obama'))

PLAYER
  
POSITION
  
TEAM
  
SALARY

  

  

  

更多条件

这里有一些谓词，你可能会觉得有用。 请注意，x和y是数字，STRING是一个字符串，Z是数字或字符串；你必须指定这些，取决于你想要的特征。

谓词
  
描述
are.equal_to(Z)
  
等于Z
are.above(x)
  
大于x
are.above_or_equal_to(x)
  
大于等于x
are.below(x)
  
小于x
are.below_or_equal_to(x)
  
小于等于x
are.between(x, y)
  
大于等于x，小于y
are.strictly_between(x, y)
  
大于x，小于y
are.between_or_equal_to(x, y)
  
大于等于x，小于等于y
are.containing(S)
  
包含字符串S
你也可以指定任何这些条件的否定，通过在条件前面使用.not_。

谓词
  
描述
are.not_equal_to(Z)
  
不等于Z
are.not_above(x)
  
不大于x
以及其他。通常的逻辑规则是适用的，例如，“不大于x”等价于“小于等于x”。

我们以一系列示例结束这一节。

are.containing的使用有助于少打一些字。 例如，你可以指定Warriors而不是Golden State Warriors：



nba.where('TEAM', are.containing('Warriors')).show()

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Klay Thompson
  
SG
  
Golden State Warriors
  
15.501
Draymond Green
  
PF
  
Golden State Warriors
  
14.2609
Andrew Bogut
  
C
  
Golden State Warriors
  
13.8
Andre Iguodala
  
SF
  
Golden State Warriors
  
11.7105
Stephen Curry
  
PG
  
Golden State Warriors
  
11.3708
Jason Thompson
  
PF
  
Golden State Warriors
  
7.00847
Shaun Livingston
  
PG
  
Golden State Warriors
  
5.54373
Harrison Barnes
  
SF
  
Golden State Warriors
  
3.8734
Marreese Speights
  
C
  
Golden State Warriors
  
3.815
Leandro Barbosa
  
SG
  
Golden State Warriors
  
2.5
Festus Ezeli
  
C
  
Golden State Warriors
  
2.00875
Brandon Rush
  
SF
  
Golden State Warriors
  
1.27096
Kevon Looney
  
SF
  
Golden State Warriors
  
1.13196
Anderson Varejao
  
PF
  
Golden State Warriors
  
0.289755
你可以提取所有后卫的数据，包括控球后卫和得分后卫。



nba.where('POSITION', are.containing('G'))

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Jeff Teague
  
PG
  
Atlanta Hawks
  
8
Kyle Korver
  
SG
  
Atlanta Hawks
  
5.74648
Dennis Schroder
  
PG
  
Atlanta Hawks
  
1.7634
Tim Hardaway Jr.
  
SG
  
Atlanta Hawks
  
1.30452
Jason Richardson
  
SG
  
Atlanta Hawks
  
0.947276
Lamar Patterson
  
SG
  
Atlanta Hawks
  
0.525093
Terran Petteway
  
SG
  
Atlanta Hawks
  
0.525093
Avery Bradley
  
PG
  
Boston Celtics
  
7.73034
Isaiah Thomas
  
PG
  
Boston Celtics
  
6.91287
Marcus Smart
  
PG
  
Boston Celtics
  
3.43104
（省略了 171 行）

你可以获取所有不是克利夫兰骑士队的球员，并且薪水不低于两千万美元：



other_than_Cavs = nba.where('TEAM', are.not_equal_to('Cleveland Cavaliers'))
other_than_Cavs.where('SALARY', are.not_below(20))

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Joe Johnson
  
SF
  
Brooklyn Nets
  
24.8949
Derrick Rose
  
PG
  
Chicago Bulls
  
20.0931
Dwight Howard
  
C
  
Houston Rockets
  
22.3594
Chris Paul
  
PG
  
Los Angeles Clippers
  
21.4687
Kobe Bryant
  
SF
  
Los Angeles Lakers
  
25
Chris Bosh
  
PF
  
Miami Heat
  
22.1927
Dwyane Wade
  
SG
  
Miami Heat
  
20
Carmelo Anthony
  
SF
  
New York Knicks
  
22.875
Kevin Durant
  
SF
  
Oklahoma City Thunder
  
20.1586
有很多方式可以创建相同的表格。这里是另一种，并且显然你可以想出来更多。



other_than_Cavs.where('SALARY', are.above_or_equal_to(20))

PLAYER
  
POSITION
  
TEAM
  
'15-'16 SALARY
Joe Johnson
  
SF
  
Brooklyn Nets
  
24.8949
Derrick Rose
  
PG
  
Chicago Bulls
  
20.0931
Dwight Howard
  
C
  
Houston Rockets
  
22.3594
Chris Paul
  
PG
  
Los Angeles Clippers
  
21.4687
Kobe Bryant
  
SF
  
Los Angeles Lakers
  
25
Chris Bosh
  
PF
  
Miami Heat
  
22.1927
Dwyane Wade
  
SG
  
Miami Heat
  
20
Carmelo Anthony
  
SF
  
New York Knicks
  
22.875
Kevin Durant
  
SF
  
Oklahoma City Thunder
  
20.1586
你可以看到，where的使用提供了很大的灵活性，来访问你感兴趣的特征。 不要犹豫，尝试它吧！



示例：人口趋势



美国人口的趋势

现在我们做好了处理大量的数据表的准备。 下面的文件包含“美国居民人口的年度估计，按年龄和性别分列”。 请注意，read_table可以直接从 URL 读取数据。



# As of Jan 2017, this census file is online here: 
data = 'http://www2.census.gov/programs-surveys/popest/datasets/2010-2015/national/asrh/nc-est2015-agesex-res.csv'

# A local copy can be accessed here in case census.gov moves the file:
# data = 'nc-est2015-agesex-res.csv'

full_census_table = Table.read_table(data)
full_census_table

SEX
  
AGE
  
CENSUS2010POP
  
ESTIMATESBASE2010
  
POPESTIMATE2010
  
POPESTIMATE2011
  
POPESTIMATE2012
  
POPESTIMATE2013
  
POPESTIMATE2014
  
POPESTIMATE2015
0
  
0
  
3944153
  
3944160
  
3951330
  
3963087
  
3926540
  
3931141
  
3949775
  
3978038
0
  
1
  
3978070
  
3978090
  
3957888
  
3966551
  
3977939
  
3942872
  
3949776
  
3968564
0
  
2
  
4096929
  
4096939
  
4090862
  
3971565
  
3980095
  
3992720
  
3959664
  
3966583
0
  
3
  
4119040
  
4119051
  
4111920
  
4102470
  
3983157
  
3992734
  
4007079
  
3974061
0
  
4
  
4063170
  
4063186
  
4077551
  
4122294
  
4112849
  
3994449
  
4005716
  
4020035
0
  
5
  
4056858
  
4056872
  
4064653
  
4087709
  
4132242
  
4123626
  
4006900
  
4018158
0
  
6
  
4066381
  
4066412
  
4073013
  
4074993
  
4097605
  
4142916
  
4135930
  
4019207
0
  
7
  
4030579
  
4030594
  
4043046
  
4083225
  
4084913
  
4108349
  
4155326
  
4148360
0
  
8
  
4046486
  
4046497
  
4025604
  
4053203
  
4093177
  
4095711
  
4120903
  
4167887
0
  
9
  
4148353
  
4148369
  
4125415
  
4035710
  
4063152
  
4104072
  
4108349
  
4133564
（已省略 296 行）

只显示了表格的前 10 行。稍后我们将看到如何显示整个表格；但是，这通常不适用于大型表格。

表格的描述一起出现。SEX列包含数字代码：0代表总体，1代表男性，2代表女性。 AGE列包含完整年份为单位的年龄，但特殊值999是人口的总和。 其余的列包含美国人口的估计。

通常，公共表格将包含更多的信息，不仅仅是特定调查或分析所需的信息。 在这种情况下，我们假设我们只对 2010 年到 2014 年的人口变化感兴趣。让我们选择相关的列。



partial_census_table = full_census_table.select('SEX', 'AGE', 'POPESTIMATE2010', 'POPESTIMATE2014')
partial_census_table

SEX
  
AGE
  
POPESTIMATE2010
  
POPESTIMATE2014
0
  
0
  
3951330
  
3949775
0
  
1
  
3957888
  
3949776
0
  
2
  
4090862
  
3959664
0
  
3
  
4111920
  
4007079
0
  
4
  
4077551
  
4005716
0
  
5
  
4064653
  
4006900
0
  
6
  
4073013
  
4135930
0
  
7
  
4043046
  
4155326
0
  
8
  
4025604
  
4120903
0
  
9
  
4125415
  
4108349
（已省略 296 行）

我们也可以简化所选列的标签。



us_pop = partial_census_table.relabeled('POPESTIMATE2010', '2010').relabeled('POPESTIMATE2014', '2014')
us_pop

SEX
  
AGE
  
2010
  
2014
0
  
0
  
3951330
  
3949775
0
  
1
  
3957888
  
3949776
0
  
2
  
4090862
  
3959664
0
  
3
  
4111920
  
4007079
0
  
4
  
4077551
  
4005716
0
  
5
  
4064653
  
4006900
0
  
6
  
4073013
  
4135930
0
  
7
  
4043046
  
4155326
0
  
8
  
4025604
  
4120903
0
  
9
  
4125415
  
4108349
（已省略 296 行）

我们现在有了一个易于使用的表格。 表中的每一列都是一个等长的数组，因此列可以使用算术进行组合。 这是 2010 年至 2014 年的人口变化。



us_pop.column('2014') - us_pop.column('2010')
array([  -1555,   -8112, -131198, ...,    6443,   12950, 4693244])

让我们使用包含这些变化的列来扩展us_pop，一列是绝对数值，另一列是相对于 2010 年数值的百分比。



change = us_pop.column('2014') - us_pop.column('2010')
census = us_pop.with_columns(
    'Change', change,
    'Percent Change', change/us_pop.column('2010')
)
census.set_format('Percent Change', PercentFormatter)

SEX
  
AGE
  
2010
  
2014
  
Change
  
Percent Change
0
  
0
  
3951330
  
3949775
  
-1555
  
-0.04%
0
  
1
  
3957888
  
3949776
  
-8112
  
-0.20%
0
  
2
  
4090862
  
3959664
  
-131198
  
-3.21%
0
  
3
  
4111920
  
4007079
  
-104841
  
-2.55%
0
  
4
  
4077551
  
4005716
  
-71835
  
-1.76%
0
  
5
  
4064653
  
4006900
  
-57753
  
-1.42%
0
  
6
  
4073013
  
4135930
  
62917
  
1.54%
0
  
7
  
4043046
  
4155326
  
112280
  
2.78%
0
  
8
  
4025604
  
4120903
  
95299
  
2.37%
0
  
9
  
4125415
  
4108349
  
-17066
  
-0.41%
（已省略 296 行）

将数据排序。让我们按照人口绝对变化的降序排序表格。



census.sort('Change', descending=True)

SEX
  
AGE
  
2010
  
2014
  
Change
  
Percent Change
0
  
999
  
309346863
  
318907401
  
9560538
  
3.09%
1
  
999
  
152088043
  
156955337
  
4867294
  
3.20%
2
  
999
  
157258820
  
161952064
  
4693244
  
2.98%
0
  
67
  
2693707
  
3485241
  
791534
  
29.38%
0
  
64
  
2706055
  
3487559
  
781504
  
28.88%
0
  
66
  
2621335
  
3347060
  
725725
  
27.69%
0
  
65
  
2678525
  
3382824
  
704299
  
26.29%
0
  
71
  
1953607
  
2519705
  
566098
  
28.98%
0
  
34
  
3822189
  
4364748
  
542559
  
14.19%
0
  
23
  
4217228
  
4702156
  
484928
  
11.50%
毫不奇怪，排序后表格的第一行对应整个人口：所有年龄和性别的分组。 从 2010 年到 2014 年，美国人口增加了约 950 万人，仅为 3%。

接下来的两行分别对应所有的男性和所有的女性。 以绝对数量和百分比来衡量，男性人口的增长高于女性人口。 百分比变化都在 3% 左右。

现在看看接下来的几行。 百分比变化从总人口的 3% 左右，上升到 60 年代末和 70 年代初的近 30%。 这个惊人的变化称为美国的老龄化。

到目前为止，2014 年 64~67 岁年龄段的绝对变化最大。什么可以解释这一大幅增长的原因？ 我们可以通过考察相关分组的出生年份，来探索这个问题。

那些 2010 年在 64~67 岁年龄段的人，在 1943 年到 1946 年间出生。珍珠港的袭击是在 1941 年底，美军在 1942 年发动了一场大规模战争，结束于 1945 年。

2014 年 64 岁到 67 岁的人生于 1947 年到 1950 年，是美国二战后的生育高峰。

战后的生育高峰，是我们观察到的巨大变化的主要原因。



示例：性别趋势



性别比例的趋势

我们现在拥有了足够的编码技能，足以检查美国人群中的特征和趋势。在这个例子中，我们将查看不同年龄的男性和女性的分布情况。我们将继续使用上一节中的us_pop表。



us_pop

SEX
  
AGE
  
2010
  
2014
0
  
0
  
3951330
  
3949775
0
  
1
  
3957888
  
3949776
0
  
2
  
4090862
  
3959664
0
  
3
  
4111920
  
4007079
0
  
4
  
4077551
  
4005716
0
  
5
  
4064653
  
4006900
0
  
6
  
4073013
  
4135930
0
  
7
  
4043046
  
4155326
0
  
8
  
4025604
  
4120903
0
  
9
  
4125415
  
4108349
（已省略 296 行）

我们从之前对这个数据集的检查得知，表格的描述一起出现。 它提醒了表中包含的内容。

每一行表示一个年龄。SEX列包含数字代码：0代表总数，1代表男性，2代表女性。 年龄栏包含以完整年份为单位的年龄，但特殊值999代表整个人口，不论年龄是什么。其余的列包含美国人口的估计。



理解AGE=100

作为一个初步的例子，我们来解释一下表中最后的年龄的数据，其中年龄是100岁。下面的代码提取了男性和女性（性别代码0）的组合分组，年龄最大的行。



us_pop.where('SEX', are.equal_to(0)).where('AGE', are.between(97, 101))

SEX
  
AGE
  
2010
  
2014
0
  
97
  
68893
  
83089
0
  
98
  
47037
  
59726
0
  
99
  
32178
  
41468
0
  
100
  
54410
  
71626
不足为奇的是，年龄越大，人数越少，例如 99 岁的人数少于 98 岁。

然而，令人吃惊的是，100 岁的数值比 99 岁的数值要大得多。仔细查看文件，这是因为人口普查局使用 100 作为 100 或岁以上的每个人的代码。

年龄为 100 岁的人不仅仅代表 100 岁的人，还包括年龄在 100 岁以上的人。这就是为什么那一行的数字大于 99 岁的人的数字。



男性和女性的整体比例

我们现在开始考察 2014 年的性别比例。首先，我们一起来看看所有的年龄。 请记住，这意味着查看AGE编码为999的行。all_ages表包含此信息。其中有三行：一个是两种性别总体，一个是男性（SEX代码为1），一个是女性（SEX代码为2）。



us_pop_2014 = us_pop.drop('2010')
all_ages = us_pop_2014.where('AGE', are.equal_to(999))
all_ages

SEX
  
AGE
  
2014
0
  
999
  
318907401
1
  
999
  
156955337
2
  
999
  
161952064
all_ages的第 0 行包含两年中每年的美国总人口。2014 年，美国人口刚刚少于 3.19 亿。

第 1 行包含男性的计数，女性是第 2 行。 比较这两行可以看到，在 2014 年，美国的女性比男性多。

第 1 行和第 2 行的人口数加起来为第 0 行的总人口数。

为了与其他数量进行比较，我们需要将这些数字转换为总人口中的百分比。 让我们访问 2014 年的总数并命名。 然后，我们将显示带有比例列的人口表格。 与我们先前观察到的，女性人数多于男性的情况一致，2014 年约有 50.8% 的人口是女性，两年的每年中，约有 49.2% 的人口是男性。



pop_2014 = all_ages.column('2014').item(0)
all_ages.with_column(
    'Proportion', all_ages.column('2014')/pop_2014
).set_format('Proportion', PercentFormatter)

SEX
  
AGE
  
2014
  
Proportion
0
  
999
  
318907401
  
100.00%
1
  
999
  
156955337
  
49.22%
2
  
999
  
161952064
  
50.78%
新生儿中男孩和女孩的比例

但是，当我们查看婴儿时，情况正好相反。 让我们将婴儿定义为还没有完整一年的人，对应年龄为 0 的行。这里是他们的人口数量。 你可以看到男婴比女婴多。



infants = us_pop_2014.where('AGE', are.equal_to(0))
infants

SEX
  
AGE
  
2014
0
  
0
  
3949775
1
  
0
  
2020326
2
  
0
  
1929449
像以前一样，我们可以将这些数字转换成婴儿总数中的百分比。 所得表格显示，2014 年，美国超过 51% 的婴儿是男性。



infants_2014 = infants.column('2014').item(0)
infants.with_column(
    'Proportion', infants.column('2014')/infants_2014
).set_format('Proportion', PercentFormatter)

SEX
  
AGE
  
2014
  
Proportion
0
  
0
  
3949775
  
100.00%
1
  
0
  
2020326
  
51.15%
2
  
0
  
1929449
  
48.85%
事实上，长期以来，新生儿中男孩的比例略高于 1/2。 这个原因还没有得到彻底的理解，科学家们还在努力。



每个年龄的男女比例

我们已经看到，虽然男婴比女婴多，但女性总数比男性多。 所以很显然，性别之间的分隔在不同年龄之间必须有所不同。

为了研究这个变化，我们将女性和男性的数据分开，并消除所有年龄的组合，年龄编码为 999 的行。

females和male表格分别包含两个性别的数据。



females_all_rows = us_pop_2014.where('SEX', are.equal_to(2))
females = females_all_rows.where('AGE', are.not_equal_to(999))
females

SEX
  
AGE
  
2014
2
  
0
  
1929449
2
  
1
  
1931375
2
  
2
  
1935991
2
  
3
  
1957483
2
  
4
  
1961199
2
  
5
  
1962561
2
  
6
  
2024870
2
  
7
  
2032494
2
  
8
  
2015285
2
  
9
  
2010659
（省略了 91 行）



males_all_rows = us_pop_2014.where('SEX', are.equal_to(1))
males = males_all_rows.where('AGE', are.not_equal_to(999))
males

SEX
  
AGE
  
2014
1
  
0
  
2020326
1
  
1
  
2018401
1
  
2
  
2023673
1
  
3
  
2049596
1
  
4
  
2044517
1
  
5
  
2044339
1
  
6
  
2111060
1
  
7
  
2122832
1
  
8
  
2105618
1
  
9
  
2097690
（省略了 91 行）

现在的计划是，比较两年中每一年的，每个年龄的女性人数和男性人数。 数组和表格的方法为我们提供了直接的方式。 这两个表格中，每个年龄都有一行。



males.column('AGE')
array([  0,   1,   2,   3,   4,   5,   6,   7,   8,   9,  10,  11,  12,
        13,  14,  15,  16,  17,  18,  19,  20,  21,  22,  23,  24,  25,
        26,  27,  28,  29,  30,  31,  32,  33,  34,  35,  36,  37,  38,
        39,  40,  41,  42,  43,  44,  45,  46,  47,  48,  49,  50,  51,
        52,  53,  54,  55,  56,  57,  58,  59,  60,  61,  62,  63,  64,
        65,  66,  67,  68,  69,  70,  71,  72,  73,  74,  75,  76,  77,
        78,  79,  80,  81,  82,  83,  84,  85,  86,  87,  88,  89,  90,
        91,  92,  93,  94,  95,  96,  97,  98,  99, 100])
females.column('AGE')
array([  0,   1,   2,   3,   4,   5,   6,   7,   8,   9,  10,  11,  12,
        13,  14,  15,  16,  17,  18,  19,  20,  21,  22,  23,  24,  25,
        26,  27,  28,  29,  30,  31,  32,  33,  34,  35,  36,  37,  38,
        39,  40,  41,  42,  43,  44,  45,  46,  47,  48,  49,  50,  51,
        52,  53,  54,  55,  56,  57,  58,  59,  60,  61,  62,  63,  64,
        65,  66,  67,  68,  69,  70,  71,  72,  73,  74,  75,  76,  77,
        78,  79,  80,  81,  82,  83,  84,  85,  86,  87,  88,  89,  90,
        91,  92,  93,  94,  95,  96,  97,  98,  99, 100])

对于任何特定年龄，我们都可以通过将女性人数除以男性人数，获的女性：男性性别比例。 为了一步完成它，我们可以使用列来提取女性数量的数组，和相应的男性数量的数组，然后简单地将一个数组除以另一个数组。 逐元素相除将为所有年份创建性别比例的数组。



ratios = Table().with_columns(
    'AGE', females.column('AGE'),
    '2014 F:M RATIO', females.column('2014')/males.column('2014')
)
ratios

AGE
  
2014 F:M RATIO
0
  
0.955019
1
  
0.956884
2
  
0.956672
3
  
0.955058
4
  
0.959248
5
  
0.959998
6
  
0.959172
7
  
0.957445
8
  
0.957099
9
  
0.958511
（省略了 91 行）

从输出中可以看出，九岁以下儿童的比例都在 0.96 左右。 当男女比例小于 1 时，女性比男性少。 因此，我们所看到的是，在 0~9 岁的年龄段中，女孩比男孩少。此外，在每个年龄中，每 100 个男孩大约对应 96 个女孩。

那么人口中女性的整体比例为什么高于男性呢？

当我们检查年龄的另一端时，会发现一些非同寻常的事情。 以下是 75 岁以上的男女比例。



ratios.where('AGE', are.above(75)).show()

AGE
  
2014 F:M RATIO
76
  
1.23487
77
  
1.25797
78
  
1.28244
79
  
1.31627
80
  
1.34138
81
  
1.37967
82
  
1.41932
83
  
1.46552
84
  
1.52048
85
  
1.5756
86
  
1.65096
87
  
1.72172
88
  
1.81223
89
  
1.91837
90
  
2.01263
91
  
2.09488
92
  
2.2299
93
  
2.33359
94
  
2.52285
95
  
2.67253
96
  
2.87998
97
  
3.09104
98
  
3.41826
99
  
3.63278
100
  
4.25966
不仅所有这些比例大于 1，在所有这些年龄段中，女性比男性多，其中许多比例大于 1。

在 89 岁和 90 岁中，比例接近 2，这意味着 2014 年这些年龄的女性约为男性的两倍。
在 98 岁和 99 岁中，女性约为男性的 3.5 至 4 倍。
如果你想知道有多少高龄的人，你可以使用 Python 来发现：



males.where('AGE', are.between(98, 100))

SEX
  
AGE
  
2014
1
  
98
  
13518
1
  
99
  
8951
females.where('AGE', are.between(98, 100))

SEX
  
AGE
  
2014
2
  
98
  
46208
2
  
99
  
32517
下图展示了年龄相关的性别比率。 蓝色曲线显示 2014 年的比例与年龄。

从 0 岁到 60 岁，这个比例差不多是 1（表示男性和女性差不多相等），但从 65 岁开始，比例开始急剧上升（女性多于男性）。

美国女性人数多于男性，部分原因是老年妇女的显着的性别不平衡。



ratios.plot('AGE')