esproc vs python 2 简单计算
1.添加Age、Fullname字段
esproc：
A4：我们用T表示序表。T.derive（）表示增加字段。这里用age(日期)计算出年龄，作为Age字段。用NAME,SURNAME得到Fullname。
A5：计算运算时间（interval：计算时间间隔。@ms表示以毫秒为单位）
python：
import time
import pandas as pd
import datetime
s = time.time()
data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")
today = datetime.datetime.today().year
data["Age"] = today-pd.to_datetime(data["BIRTHDAY"]).dt.year
data["Fullname"]=data["NAME"]+data["SURNAME"]
print(data)
e = time.time()
print(e-s)
计算出BIETHDAY字段的值（日期）距今天的年数，作为年龄字段。用NAME+SURNAME作为Fullname字段
结果
esproc:
python:
2.提取需要的记录或者字段（前3个字段，第3~10条记录）
esproc：
A4：T.new()表示新建序表。这里以第1,2,3个字段作为新表的字段。T.A，表示取出序列中包含的行号。
python：
import time
import pandas as pd
import datetime
s = time.time()
data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")
data = data.iloc[2:10,:3]
print(data)
e = time.time()
print(e-s)
使用df.iloc[]切片获得3~10条记录，前三个字段（dataframe的字段号和记录号都是从0开始计数的）。
结果：
esproc:
python:
3.筛选符合条件的记录
esproc：
A4：T.select（）筛选符合条件的记录。这里是筛选STATE=="California"为真的记录
python：
import time
import pandas as pd
import datetime
s = time.time()
data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")
data = data[data['STATE']=="California"]
print(data)
e = time.time()
print(e-s)
取出data['STATE']=="California"的记录
结果：
esproc:
python:
4.计算字段的常用值
A4:T.min()计算字段最小值
A5:T.max()计算字段最大值
A6:T.avg()计算字段平均值
A7:T.sum()计算字段总和
A8:计算字段中位数。A.median(k:n)函数，参数全省略时，如果序列长度是奇数返回中间位置值；如果序列长度是偶数返回中间两个值的平均值。
A9:T.variance()计算字段方差。
python
s = time.time()
data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")
min = data["SALARY"].min()
max = data["SALARY"].max()
avg = data["SALARY"].mean()
sum = data["SALARY"].sum()
median = data["SALARY"].median()
var = data["SALARY"].var()
print(min,max,avg,sum,median,var)
e = time.time()
print(e-s)
df[字段名]表示取得字段。min(),max(),mean(),sum(),median(),var()分别计算最小值，最大值，平均数，总和，中位数，方差。
结果
5.统计各部门员工的男女人数
esproc：
A4：T.groups()表示以DEPT分组，计算GENDER==“M”或GENDER==“F”的值,得到各部门男女员工的数量。
python
s = time.time()
data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")
group = data.groupby(['DEPT','GENDER']).size()
print(group)
e = time.time()
print(e-s)
截取GENDER==‘M’或者GENDER==‘F’的切片以DEPT通过goupby()函数得到以DEPT的分组。最后用size()函数得到结果。
结果：
esproc：
python：
6.统计男女员工的平均年龄
esproc：
A4：T.groups()用来分组，avg()计算平均值，age()根据日期计算时间间隔。
python
s = time.time()
data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")
data["Age"] = today-pd.to_datetime(data["BIRTHDAY"]).dt.year
avg_age = data.groupby('GENDER')['Age'].mean()
print(avg_age)
e = time.time()
print(e-s)
计算得到Age字段。然后用groupby()函数以GENDER分组，最后通过mean()函数得到平均值。
结果：
esproc：
python：
7.计算员工薪酬比前一名员工高的最大人数
esproc：
A4：if(condition,x1,x2)表示如果条件成立，if语句的值为x1，否则值为x2，在这儿计算如果SALARY比前一个员工薪水高的话a=a+1。从而得到A3.(a)，其中a随着if语句不断的变化。最后得到一个序列，max()函数得到最大值。
python
s = time.time()
data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")
a=0 ; m=0
for i in data['SALARY'].shift(0)>data['SALARY'].shift(1):
a=0 if i==False else a+1
m = a if m < a else m
print(m)
e = time.time()
print(e-s)
df.shift(0)表示当前记录，df.shift(n)表示前面第n条记录，data['SALARY'].shift(0)>data['SALARY'].shift(1) 得到pandas的series结构。循环如果为假（False）表示当前记录小于或等于上一条记录，把a置0，如果为真则加1。m的作用：当m<a时，把a赋值给m，否则m不变，最终得到a的最大值。
结果：
8.每个字段随机设置5-10个缺失值
esproc：
A4：T.fno()得到序表的字段数量。
B4：T.field（f,x）将x序列中的成员依次赋值给A中第F个字段的字段值或者字符串参数F的值。F<0时从后往前排。F越界和不存时不执行
python：
s = time.time()
data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")
for i in data.columns:
for j in range(random.randint(5,10)):
data[i][random.randint(0,500)]=np.nan
print(data)
e = time.time()
print(e-s)
循环所有的字段，随机循环5~10次，将字段的某个随机值设置成np.nan
结果：
9.丢弃缺失值
esproc：
A4：筛选null所在位置为空的记录，即不包含null的记录。用r表示记录，r.array()表示把r中的字段值返回成序列。A.pos()获得序列成员序号。
python：
s = time.time()
data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE_nan.txt",sep="\t")
data = data.dropna()
print(data)
e = time.time()
print(e-s)
使用dropna()函数得到不包含np.nan的记录
结果：
10.第一列用序列直接替换，其他列的缺失值使用其中的一个随机值填补
esproc：
A4：T.field(F,A) 将A序列中的成员依次赋值给T中第F个字段的字段值或者字符串参数F的值。
B5：筛选字段为null的记录
B6:差集，得到不为null的记录
B7：这里需要特别注意一下field()函数，r.field(F)取得记录的第F个字段的字段值或者字符串参数F的值。r.field(F,X) 修改记录r中第F个字段的字段值或者字符串参数F的值为x。A3.select(#${A5}==null)取出A3中某个字段为null的记录序列，用run()函数循环修改该序列中的每条记录。
python：
s = time.time()
data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE_nan.txt",sep="\t")
data['EID']=pd.Series([i for i in range(1,len(data)+1)])
for col in data.columns:
nonan_list = list(data[col][~pd.isna(data[col])])
fill_list = [nonan_list[random.randint(0,len(nonan_list))] for i in range(len(data[col][pd.isna(data[col])]))]
data[col][pd.isna(data[col])]=fill_list
e = time.time()
print(e-s)
将字段名为EID的值修改为递增的序列。这里用pd.Series()生成。
循环所有字段。df[col][pd.isna(df)]得到df中包含nan的值。~表示非。nonan_list表示当前列不包含nan的所有值组成的list。fill_list表示随机生成的要填充nan的值的list。
将fill_list中的值赋值给包含nan的记录。
结果：
esproc：
python
11.EID字段用序列直接替换，SALARY字段用均值填补缺失值，其他字段的缺失值使用其中的一个随机值填补
esproc：
上例中，B5,B6的运算会导致把序列遍历两遍，这里进行了改进
B5:A.group(xi) 将序列/排列按照一个或多个字段/表达式进行等值分组，结果为组集构成的序列。这里是将序表分成两组，第一组为该字段不包含null的，第二组为包含null的。
B6:取得该字段去重后的字段值
B7：这里需要特别注意一下field()函数，r.field(F)取得记录的第F个字段的字段值或者字符串参数F的值。r.field(F,X) 修改记录r中第F个字段的字段值或者字符串参数F的值为x。r.run(xi,…)，针对记录r计算表达式x，最后返回记录r。此函数通常用于修改r的字段值
B9：和B7的原理一样，利用field()函数修改SALARY的字段值为A8中计算出来的平均值。
python：
s = time.time()
data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE_nan.txt",sep="\t")
data['EID']=pd.Series([i for i in range(1,len(data)+1)])
for col in list(data.columns)[1:-1]:
nonan_list = list(data[col][~pd.isna(data[col])])
fill_list = [nonan_list[random.randint(0,len(nonan_list))] for i in range(len(data[col][pd.isna(data[col])]))]
data[col][pd.isna(data[col])]=fill_list
data['SALARY'].fillna(data['SALARY'].mean(),inplace=True)
print(data.loc[180:190])
print(e-s)
将字段名为EID的值修改为递增的序列。这里用pd.Series()生成。
循环所有字段第一到倒数第二个字段。df[col][pd.isna(df)]得到df中包含nan的值。~表示非。nonan_list表示当前列不包含nan的所有值组成的list。fill_list表示随机生成的要填充nan的值的list。
将fill_list中的值赋值给包含nan的记录。
df.fillna(df[s].mean())表示用字段s的平均值填充缺失值。
结果：
esproc：
python
小结：本节我们用11个例子对数据进行简单的计算，esproc和python都用到了比较多的函数，还用到了一些相对复杂的组合应用，这就不得不说esproc现阶段的一个缺点了，查阅资料和使用案例相对于python太少了，原因就是使用者太少。但是在描述效率和执行效率方面，esproc的优势太明显了，因此我们要多使用esproc提高工作效率，同时也可以完善esproc的缺点。esproc中的函数功能很强大，需要不断的使用，来充分理解函数的用法，达到熟能生巧最终精通的地步。