在将dat数据读入到pandas DataFrame对象中时，书中给出代码为：

users = pd.read_table('ml-1m/users.dat', sep='::', header=None, names=unames)

rnames = ['user_id', 'movie_id', 'rating', 'timestamp']
ratings = pd.read_table('ml-1m/ratings.dat', sep='::', header=None, names=rnames)

mnames = ['movie_id', 'title', 'genres']
movies = pd.read_table('ml-1m/movies.dat', sep='::', header=None, names=mnames)

直接运行会出现Warning:

F:/python/HelloWorld/DataAnalysisByPython-1.py:4: ParserWarning: Falling back to the 'python' engine because the 'c' engine does not support regex separators (separators > 1 char and different from 's+' are interpreted as regex); you can avoid this warning by specifying engine='python'.
 users = pd.read_table('ml-1m/users.dat', sep='::', header=None, names=unames)
F:/python/HelloWorld/DataAnalysisByPython-1.py:7: ParserWarning: Falling back to the 'python' engine because the 'c' engine does not support regex separators (separators > 1 char and different from 's+' are interpreted as regex); you can avoid this warning by specifying engine='python'.
 ratings = pd.read_table('ml-1m/ratings.dat', sep='::', header=None, names=rnames)
F:/python/HelloWorld/DataAnalysisByPython-1.py:10: ParserWarning: Falling back to the 'python' engine because the 'c' engine does not support regex separators (separators > 1 char and different from 's+' are interpreted as regex); you can avoid this warning by specifying engine='python'.
 movies = pd.read_table('ml-1m/movies.dat', sep='::', header=None, names=mnames)

虽然也能运行，但是作为完美强迫症的我还是想要解决这个Warning。这个警告是说因为'C'引擎不支持，只能退回到'Python'引擎，而刚好pandas.read_table方法里有个engine参数，用来设置使用哪种解析引擎，有'C'和'Python'这两个选项。既然'C'引擎不支持，我们只需把engine设为'Python'就可以了。

users = pd.read_table('ml-1m/users.dat', sep='::', header=None, names=unames, engine = 'python')

rnames = ['user_id', 'movie_id', 'rating', 'timestamp']
ratings = pd.read_table('ml-1m/ratings.dat', sep='::', header=None, names=rnames, engine = 'python')

mnames = ['movie_id', 'title', 'genres']
movies = pd.read_table('ml-1m/movies.dat', sep='::', header=None, names=mnames, engine = 'python')

使用pivot_table方法来对聚合后的数据按性别计算每部电影的平均得分，书中给出的代码为：

mean_ratings = data.pivot_table('rating', rows='title', cols='gender', aggfunc='mean')

直接运行会报错，这段代码无法运行：

Traceback (most recent call last):
 File "F:/python/HelloWorld/DataAnalysisByPython-1.py", line 19, in <module>mean_ratings = data.pivot_table('rating', rows='title', cols='gender', aggfunc='mean')
TypeError: pivot_table() got an unexpected keyword argument 'rows'

TypeError说明这里的'rows'参数并不是方法里可用的关键字参数，这是这么回事呢？去官网上查了下pandas的API使用文档（），发现是因为0.20.2版的pandas.pivot_table里关键字参数变了，为了实现同样效果，只需把rows换成index就可以了，同时也没有cols参数，要用columns来代替。

mean_ratings = data.pivot_table('rating', index='title', columns='gender', aggfunc='mean')

为了了解女性观众最喜欢的电影，使用DataFrame的方法对F列进行降序排序，书中的示例代码为：

top_female_ratings = mean_ratings.sort_index(by='F', ascending=False)

这里也只是给出一个Warning，并不会干扰程序进行：

F:/python/HelloWorld/DataAnalysisByPython-1.py:32: FutureWarning: by argument to sort_index is deprecated, pls use .sort_values(by=...)
 top_female_ratings = mean_ratings.sort_index(by='F', ascending=False)

这里是说进行排序的sort_index方法在将来语言或者库中可能发生改变，建议改为使用sort_values。在API使用文档中，对pandas.DataFrame.sort_index的描述为“Sort object by labels (along an axis)”，而对pandas.DataFrame.sort_values的描述为“Sort by the values along either axis”，两者能达到同样效果，那我就直接替换成sort_values就可以了。在后面的“计算评分分歧”中也会用到sort_index，也可以替换成sort_values。

top_female_ratings = mean_ratings.sort_values(by='F', ascending=False)

最后一个错误还是和排序有关。在“计算评分分歧”中计算得分数据的标准差之后，根据过滤后的值对Series进行降序排序，书中的代码为：

print(rating_std_by_title.order(ascending=False)[:10])

这里的错误是：

Traceback (most recent call last):
 File "F:/python/HelloWorld/DataAnalysisByPython-1.py", line 47, in <module>print(rating_std_by_title.order(ascending=False)[:10])
 File "E:Program FilesPython35libsite-packagespandascoregeneric.py", line 2970, in __getattr__return object.__getattribute__(self, name)
AttributeError: 'Series' object has no attribute 'order'

居然已经没有这个order的方法了，只好去API文档中找替代的方法用。有两个，sort_index和sort_values，这和DataFrame中的方法一样，为了保险起见，我选择使用sort_values：

print(rating_std_by_title.sort_values(ascending=False)[:10]

得到的结果和数据展示的结果一样，可以放心使用。