实验三 Pandas库的运用

Pandas库的运用

目录

Pandas库的运用

一、实验目的和要求

二、实验环境

三、实验内容

四、实验步骤和结果

---

一、实验目的和要求

（1）分别设计一个一维数据表格和一个二维的数据表格，使用pandas库分别创建一个Series对象和DataFrame对象。

（2）对创建的Series对象和DataFrame对象练习索引操作。

（3）对创建的Series对象和DataFrame对象练习排序操作。

（4）设计一个新的DataFrame对象，练习DataFrame对象的统计计算和统计描述的功能。

（5）能够熟练使用Pandas库创建Series对象和DataFrame对象，并对对创建的对象索引、排序，及统计计算和分析操作。

二、实验环境

Windows 11系统

Anaconda Navigator

Jupyter Notebook

三、实验内容

1. 创建一个DataFrame(df)，用data做数据，labels做行索引

import numpy as np
data = {'animal': ['cat', 'cat', 'snake', 'dog', 'dog', 'cat', 'snake', 'cat', 'dog', 'dog'],
      'age': [2.5, 3, 0.5, np.nan, 5, 2, 4.5, np.nan, 7, 3],
      'visits': [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
      'priority': ['yes', 'yes', 'no', 'yes', 'no', 'no', 'no', 'yes', 'no', 'no']}
labels = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']

2.显示有关此df及其数据的基本信息的摘

3.查看此df的前三行数据

4. 选择df中列标签为animal和age的数据

5.选择行为[‘d’, ‘e’, ‘i’]，且列为['animal', 'age']中的数据

6.选择visuts大于3的行

7.选择age为缺失值的行

8.选择animal为cat，且age小于3的行

9.将f行的age改为1.5

10.计算visits列的数据总和

11.计算每种animal的平均age

12.追加一行(k)，列的数据自定义(如可以等于a行的数据)，然后再删除新追加的k行

13.计算每种animal的个数(cat有几个，dog几个...)

14.先根据age降序排列，再根据visits升序排列

15.将priority列的yes和no用True和False替换

16.将animal列的snake用python替换

四、实验步骤和结果

1. 创建一个DataFrame(df)，用data做数据，labels做行索引

2.显示有关此df及其数据的基本信息的摘

import pandas as pd
import numpy as np
data = {'animal': pd.Series(['cat', 'cat', 'snake', 'dog', 'dog', 'cat', 'snake', 'cat', 'dog', 'dog'],
                            index=labels),
      'age': pd.Series([2.5, 3, 0.5, np.nan, 5, 2, 4.5, np.nan, 7, 3],
                      index=labels),
      'visits': pd.Series([1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
                         index=labels),
      'priority': pd.Series(['yes', 'yes', 'no', 'yes', 'no', 'no', 'no', 'yes', 'no', 'no'],
                            index=labels)}
labels = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
df = pd.DataFrame(data)
print(df)

3.查看此df的前三行数据

print(df[0:3])

4. 选择df中列标签为animal和age的数据

print(df[['animal','age']])

5.选择行为[‘d’, ‘e’, ‘i’]，且列为['animal', 'age']中的数据

print(df.loc[['d','e','i'],['animal','age']])

6.选择visuts大于3的行

visits_bool = df['visits']>3
print(df[visits_bool])

7.选择age为缺失值的行

age_bool = df['age'].isnull()
print(df[age_bool])

8.选择animal为cat，且age小于3的行

print(df[(df['animal']=="cat")&(df["age"]<3)])

9.将f行的age改为1.5

df.loc[['f'],['age']] = 1.5
print(df)

10.计算visits列的数据总和

print(sum(df['visits']))

11.计算每种animal的平均age

print(df.groupby('animal')['age'].mean())

12.追加一行(k)，列的数据自定义(如可以等于a行的数据)，然后再删除新追加的k行

df.loc['k']=df.loc['a'].values
print(df)
print(df.drop('k'))

13.计算每种animal的个数(cat有几个，dog几个...)

print(df.groupby('animal').size())

14.先根据age降序排列，再根据visits升序排列

df.sort_values(by=['age', 'visits'], ascending=[False, True])

15.将priority列的yes和no用True和False替换

df['priority'] = df['priority'].replace(to_replace=['yes', 'no'], value=[True, False])
print(df)

16.将animal列的snake用python替换

df['animal'] = df['animal'].replace(to_replace='snake', value='python')
print(df)