'''
上期回顾：
利用Xlwings从Excel特定区域读入数据集到Pandas的DataFrame和Series。
本次：
我们将学习对DataFrame数据记录进行的各种选择！——选择前的初步和整体的了解
'''
'''
我们因为太长的列，显示会有些难看，所以我们修改了一下“特点”和“计算机水平”，然后在Excel 中将第9条记录和第10条记录“复制-粘贴”一次，形成重复的数据，再把第5条记录的“工龄”清除，然后导入Dataframe中
'''
##选中employee 所在的区域
range_employee=sht_base[25,1].api.currentregion
##命名区域
range_employee.name='range_employee'
##导入Dataframe
df_employee=sht_base['range_employee'].options(pd.DataFrame, header=1,index=True).value
#按F5运行程序，然后在IDE右下方的即时窗口In：后面输入：
print(df_employee)
#显示如下：
#第五条记录:张五的年龄因为是数值（int,float）的数据类型，所以显示为：NaN，而其他数据类型空值则显示为None
#*****
Ps：
小乐：哦我明白了！将数据从Excel引入到DataFrame,好比是相亲一样，Xlwings是媒人，她有许多办法和手段促成男女双方（Excel、DataFrame）见面、交流及至开花结果，成为相亲相爱的一家人，现在已经见面了，那就祝他们永结同心吧！
小欣：等等！他们还没有互相了解，怎么就永结同心了呢，这不会是闪婚吧！
小欣：至少也要让他们相互了解一下、交流一下吧！然后再进行选择，最终看是有情人终成眷属或者是等等再看，各回各家、各找各妈吧！
小乐：也是哦，那了解就了解详细一点吧！性格属相（dtypes） 、家庭住址户口信息（info()）、亲友评价（describe()）、身高体重（shape）、与众不同的地方(unique())... ...
小欣：丈母娘最关心什么啊？
小乐：当然是以上各项综合得分了，其中房子、车子、票子是硬指标！（index）在人群中一眼就能让你与众不同
小欣：人品能力... ...房子、车子、票子，最终要量化考核才行，不能泛泛而谈！
小乐：那你说，要怎么办?
小欣：做个KPI(columns),定性(str、bool...)定量(int、float)进行考核（values）!
小乐：好吧，那这次就先不定婚吧，先详细了解一下！
小欣：嗯嗯嗯，那还等什么！开始吧！
#*****
#查看一下各列的数据类型
df_employee.dtypes
#查看一下DataFrame的信息
df_employee.info()
#姓名列有12个 non-null （非空值），而“工龄”只有11个，“计算机水平”则更少了，只有4个
#查看一下统计信息
df_employee.describe()
'''
count #数量
mean #均值
std #标准差
min #最小值
25% #下四分位
50% #中位数
75% #上四分位
max #最大值
percentiles,这个参数可以设定数值型特征的统计量，默认是[.25, .5, .75],也就是返回25%，50%，75%数据量时的数字，但是这个可以修改的
'''
#我们只看到了数值类型的统计信息，如果要看到其他类型的则要加上参数 include=['O']
'''
可以看出它直接给出了非空数量 count；唯一值的种类 unique ，姓名虽然有12个，但有连词工和张9是重复的，所以姓名唯一值为10个；出现最多的类型 top 和出现次数 freq，简直是贴心。这对以后提特征绝对是个便利。
'''
#查看数据表的维度
df_employee.shape
#查看“特点”列中的唯一值
df_employee['特点'].unique()
#或者
df_employee.特点.unique()
#查看数据表的值
df_employee.values
#查看列名称
df_employee.columns
#查看索引
df_employee.index
#转换数据类型，从float转成int
#以上只能显示的时候从float 变成 int,如果要改变原数据集的值，则要这样做
#或者直接这样做
#或者是，既有数字，又有字符的
这时的index数据类型变成object
#查看前6行数据
df_employee.head(6)
#查看前10行数据
df_employee.head
或
df_employee.head(10)
#查看前5行数据
df_employee.head()
#查看最后6行,tail用法和head一样
df_employee.tail(6)
