商务网站建设设计结构内容,大气宏伟wordpress企业主题,查询域名备案信息,上海大型网站制作公司Pandas 入门 15 题 1. 相关知识点1.1 修改DataFrame列名1.2 获取行列数1.3 显示前n行1.4 条件数据选取值1.5 创建新列1.6 删去重复的行1.7 删除空值的数据1.9 修改列名1.10 修改数据类型1.11 填充缺失值1.12 数据上下合并1.13 pivot_table透视表的使用1.14 melt透视表的使用1.1… Pandas 入门 15 题 1. 相关知识点1.1 修改DataFrame列名1.2 获取行列数1.3 显示前n行1.4 条件数据选取值1.5 创建新列1.6 删去重复的行1.7 删除空值的数据1.9 修改列名1.10 修改数据类型1.11 填充缺失值1.12 数据上下合并1.13 pivot_table透视表的使用1.14 melt透视表的使用1.15 条件查询及排序 2. 题目2.1 从表中创建 DataFrame((Pandas 数据结构)2.2 获取 DataFrame 的大小(数据检验)2.3 显示前三行(数据检验)2.4 数据选取(数据选取)2.5 创建新列(数据选取)2.6 删去重复的行(数据清理)2.7 删去丢失的数据(数据清理)2.8 修改列(数据清理)2.9 重命名列(数据清理)2.10 改变数据类型(数据清理)2.11 填充缺失值(数据清理)1.12 重塑数据连结(表格重塑)1.13 数据重塑透视(表格重塑)2.14 重塑数据融合(表格重塑)2.15 方法链(高级技巧) 1. 相关知识点
1.1 修改DataFrame列名
datapd.DataFrame(student_data,columns[student_id,age])1.2 获取行列数
players.shape1.3 显示前n行
employees.head(n)1.4 条件数据选取值
students.loc[students[student_id]101,[name,age]]
students[students[student_id]101][[name,age]]
students.query(student_id101)[[name,age]]1.5 创建新列
处理数据的时候根据已知列得到新的列可以考虑使用pandas.DataFrame.assign()函数使用assign函数不会改变原数据而是返回一个新的DataFrame对象包含所有现有列和新生成的列注意assign和apply函数的主要区别在于前者不改变原数据apply函数是在原数据的基础上添加新列
employees[bonus]employees[salary].apply(lambda x:x*2)
employeesemployees.assign(bonusemployees.salary*2)
employees[bonus]employees[salary]*21.6 删去重复的行
customers.drop_duplicates(subset[email],keepfirst)1.7 删除空值的数据
# axis0代表行
students.dropna(subset[name],howany, axis0,inplace False)1.9 修改列名
datadata.rename(columns{Dest:iata_code,index:from})
students.columns[student_id,first_name,last_name,age_in_years]1.10 修改数据类型
students[grade]students[grade].astype(int)1.11 填充缺失值
products[quantity].fillna(0,inplaceTrue)# products.replace({quantity:{# None:0# }},inplaceTrue)1.12 数据上下合并
df1._append(df2)
# pd.concat([df1,df2],axis0)1.13 pivot_table透视表的使用
weather.pivot_table(indexmonth,valuestemperature,columnscity,aggfuncsum)1.14 melt透视表的使用
df.pivot() 将长数据集转换成宽数据集df.melt() 则是将宽数据集变成长数据集
pd.melt(report,id_vars[product],var_namequarter,value_namesales)1.15 条件查询及排序
animals[animals[weight] 100].sort_values(byweight, ascendingFalse)2. 题目
2.1 从表中创建 DataFrame((Pandas 数据结构) import pandas as pddef createDataframe(student_data: List[List[int]]) - pd.DataFrame: datapd.DataFrame(student_data,columns[student_id,age])return data
student_data[[1,15],[2,11],[3,11],[4,20]]print(createDataframe(student_data))2.2 获取 DataFrame 的大小(数据检验) import pandas as pddef getDataframeSize(players: pd.DataFrame) - List[int]:return list(players.shape)2.3 显示前三行(数据检验) import pandas as pddef selectFirstRows(employees: pd.DataFrame) - pd.DataFrame:return employees.head(3)2.4 数据选取(数据选取) import pandas as pddef selectData(students: pd.DataFrame) - pd.DataFrame:return students.loc[students[student_id]101,[name,age]]# return students[students[student_id]101][[name,age]]# return students.query(student_id101)[[name,age]]2.5 创建新列(数据选取) import pandas as pddef createBonusColumn(employees: pd.DataFrame) - pd.DataFrame:employees[bonus]employees[salary].apply(lambda x:x*2)# employeesemployees.assign(bonusemployees.salary*2)# employees[bonus]employees[salary]*2return employees2.6 删去重复的行(数据清理) import pandas as pddef dropDuplicateEmails(customers: pd.DataFrame) - pd.DataFrame:return customers.drop_duplicates(subset[email],keepfirst)2.7 删去丢失的数据(数据清理) import pandas as pddef dropMissingData(students: pd.DataFrame) - pd.DataFrame:# axis0代表行return students.dropna(subset[name],howany, axis0,inplace False)2.8 修改列(数据清理) import pandas as pddef modifySalaryColumn(employees: pd.DataFrame) - pd.DataFrame:employeesemployees.assign(salaryemployees.salary*2)# employees[salary]employees[salary].apply(lambda x:x*2)# employees[salary]employees[salary]*2return employees2.9 重命名列(数据清理) import pandas as pddef renameColumns(students: pd.DataFrame) - pd.DataFrame:students.columns[student_id,first_name,last_name,age_in_years]# dic{# id:student_id,# first:first_name,# last:last_name,# age:age_in_years}# studentsstudents.rename(columnsdic)return students2.10 改变数据类型(数据清理) import pandas as pddef changeDatatype(students: pd.DataFrame) - pd.DataFrame:students[grade]students[grade].astype(int)return students2.11 填充缺失值(数据清理) import pandas as pddef fillMissingValues(products: pd.DataFrame) - pd.DataFrame:products[quantity].fillna(0,inplaceTrue)# products[quantity]products[quantity].fillna(0)# products.replace({quantity:{# None:0# }},inplaceTrue)return products1.12 重塑数据连结(表格重塑) import pandas as pddef concatenateTables(df1: pd.DataFrame, df2: pd.DataFrame) - pd.DataFrame:return df1._append(df2)# return pd.concat([df1,df2],axis0)1.13 数据重塑透视(表格重塑) import pandas as pddef pivotTable(weather: pd.DataFrame) - pd.DataFrame:return weather.pivot_table(indexmonth,valuestemperature,columnscity,aggfuncsum)# return weather.set_index([month,city]).unstack()[temperature2.14 重塑数据融合(表格重塑) import pandas as pddef meltTable(report: pd.DataFrame) - pd.DataFrame:reportpd.melt(report,id_vars[product],var_namequarter,value_namesales)return report2.15 方法链(高级技巧) import pandas as pddef findHeavyAnimals(animals: pd.DataFrame) - pd.DataFrame:animals animals[animals[weight] 100].sort_values(byweight, ascendingFalse)return animals[[name]]
