Python数据分析实战

于 2024-05-09 08:56:43 发布
阅读量861 收藏 16
点赞数 12
文章标签： python 数据分析 windows
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_77225918/article/details/138596562
版权

文章目录

第1关：读取MoMA数据集

编程要求
请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，使用for循环遍历moma列表中的每一行。循环体内部:

将索引6(Data)中的值赋给一个名为data的变量；

使用if语句检查data是否不等于""；

如果date不等于""，则使用int()函数将其转换为整数类型；

最后，将值赋回行中的索引6的位置；

打印moma中行列索引分别为100和6处值的类型。

测试说明
平台会对你的代码进行运行测试，如果实际输出结果与预期结果相同，则通关；反之，则 GameOver。
示例代码如下：

from csv import reader

# Read the `artworks_clean.csv` file
opened_file = open('artworks_clean.csv', encoding='utf-8')
read_file = reader(opened_file)
moma = list(read_file)
moma = moma[1:]

# Convert the birthdate values
for row in moma:
    birth_date = row[3]
    if birth_date != "":
        birth_date = int(birth_date)
    row[3] = birth_date
    
# Convert the death date values
for row in moma:
    death_date = row[4]
    if death_date != "":
        death_date = int(death_date)
    row[4] = death_date

# 请在此添加代码，创建字典然后打印结果
#********** Begin **********#
for row in moma:
    date = row[6]
    if date != "":
        date = int(date)
    row[6] = date
print(type(moma[100][6]))
#********** End **********#

在这里插入图片描述

第2关：计算艺术家年龄

编程要求
请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，完成以下需求：

创建一个空列表ages来存储艺术家的年龄；

使用循环遍历moma中的行；

在每个迭代中，将艺术品年份(索引6)赋值给date，将艺术家出生年份(索引3)赋值给birth；

如果出生日期是int，计算艺术家在创作艺术品时的年龄，并将其赋值给变量age；

如果birth不是int类型，则将0赋给变量age；

将age添加到ages列表末尾。

创建一个空列表final_ages，以存储最终的年龄数据；

使用循环遍历ages中的年龄。在每次迭代：

如果年龄大于20，则将年龄赋值给变量final_age；

如果年龄不大于20，则将"Unknown"赋给变量final_age；

将final_age添加到final_ages末尾。

打印final_ages的前100个数据。

测试说明
平台会对你的代码进行运行测试，如果实际输出结果与预期结果相同，则通关；反之，则 GameOver。

开始你的任务吧，祝你成功！
示例代码如下：

from csv import reader

# Read the `artworks_clean.csv` file
opened_file = open('artworks_clean.csv', encoding='utf-8')
read_file = reader(opened_file)
moma = list(read_file)
moma = moma[1:]

# Convert the birthdate values
for row in moma:
    birth_date = row[3]
    if birth_date != "":
        birth_date = int(birth_date)
    row[3] = birth_date

# Convert the death date values
for row in moma:
    death_date = row[4]
    if death_date != "":
        death_date = int(death_date)
    row[4] = death_date

# Convert the date values
for row in moma:
    date = row[6]
    if date != "":
        date = int(date)
    row[6] = date

# 请在此添加代码，计算艺术家年龄然后打印结果
#********** Begin **********#
ages=[]
final_ages=[]
for row in moma:
    date = row[6]
    birth = row[3]
    if type(birth) == int:
        age = date - birth
    else:
        age = 0
    ages.append(age)
for a in ages:
    if a >20:
        final_ages.append(a)
    else:
        final_ages.append('Unknown')
final_ages.append('final_age')
print(final_ages[:100])



#********** End **********#

在这里插入图片描述

第3关：把年龄换算成年代

编程要求
请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，完成以下需求：

创建一个空列表decades保存艺术家年代数据；

迭代final_ages中的值，每次迭代：

如果age是"Unknown"，将其赋值给变量decade；

如果age不是"Unknown"：

将整数值转换为字符串，并将其赋值给变量decade；

使用列表切片删除decade的最后一个字符；

使用+运算符将子字符串"0s"添加到字符串decade的末尾。

将decade添加到decades的末尾；

打印decades前100个数据。

测试说明
平台会对你的代码进行运行测试，如果实际输出结果与预期结果相同，则通关；反之，则 GameOver。

开始你的任务吧，祝你成功！

示例代码如下：

from csv import reader

# Read the `artworks_clean.csv` file
opened_file = open('artworks_clean.csv', encoding='utf-8')
read_file = reader(opened_file)
moma = list(read_file)
moma = moma[1:]

# Convert the birthdate values
for row in moma:
    birth_date = row[3]
    if birth_date != "":
        birth_date = int(birth_date)
    row[3] = birth_date

# Convert the death date values
for row in moma:
    death_date = row[4]
    if death_date != "":
        death_date = int(death_date)
    row[4] = death_date

# Convert the date values
for row in moma:
    date = row[6]
    if date != "":
        date = int(date)
    row[6] = date

# Calculating Artist Ages
ages = []
for row in moma:
    birth = row[3]
    date = row[6]
    if type(birth) == int:
        age = date - birth
    else:
        age = 0
    ages.append(age)

final_ages = []
for age in ages:
    if age > 20:
        final_age = age
    else:
        final_age = "Unknown"
    final_ages.append(final_age)

# 请在此添加代码，把年龄换算成年代
#********** Begin **********#
decades=[]
for age in final_ages:
    if age =='Unknown':
        decade = age
    else:
        decade = str(age)
        decade = decade[:-1]+"0s"
    decades.append(decade)
print(decades[:100])


#********** End **********#

在这里插入图片描述

第4关：总结年代数据

编程要求
请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，完成以下需求：

创建一个空字典decade_frequency；

遍历decades列表中的每一项。在每次迭代：

如果该项不是decade_frequency的键，则将它作为键，值赋为1；
如果该项是decade_frequency的键，则将它对应的值加1。
打印字典decade_frequency。

测试说明
平台会对你的代码进行运行测试，如果实际输出结果与预期结果相同，则通关；反之，则 GameOver。

开始你的任务吧，祝你成功！
示例代码如下：

from csv import reader

# Read the `artworks_clean.csv` file
opened_file = open('artworks_clean.csv', encoding='utf-8')
read_file = reader(opened_file)
moma = list(read_file)
moma = moma[1:]

# Convert the birthdate values
for row in moma:
    birth_date = row[3]
    if birth_date != "":
        birth_date = int(birth_date)
    row[3] = birth_date

# Convert the death date values
for row in moma:
    death_date = row[4]
    if death_date != "":
        death_date = int(death_date)
    row[4] = death_date

# Convert the date values
for row in moma:
    date = row[6]
    if date != "":
        date = int(date)
    row[6] = date

# Calculating Artist Ages
ages = []
for row in moma:
    birth = row[3]
    date = row[6]
    if type(birth) == int:
        age = date - birth
    else:
        age = 0
    ages.append(age)

final_ages = []
for age in ages:
    if age > 20:
        final_age = age
    else:
        final_age = "Unknown"
    final_ages.append(final_age)

# Converting Ages to Decades
decades = []
for age in final_ages:
    if age == "Unknown":
        decade = age
    else:
        decade = str(age)
        decade = decade[:-1]
        decade = decade + "0s"
    decades.append(decade)

# 请在此添加代码，创建频率表统计年代数据
#********** Begin **********#
decade_frequency = {}
for decade in decades:
    if decade not in decade_frequency.keys():
        decade_frequency[decade]=1
    else:
        decade_frequency[decade]=decade_frequency[decade]+1
print(decade_frequency)



#********** End **********#

在这里插入图片描述

第5关：将变量插入字符串

编程要求
请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，完成以下需求：

我们在artist和birth_year变量中提供了艺术家的姓名和出生年份。

创建模板字符串，使用上面提供的格式将artist和birth_year变量插入到字符串中。你可以使用所学习的三种技术来指定哪些变量在哪里；

使用str.format()将两个变量插入模板字符串，将结果赋给一个变量；

使用print()函数调用该变量。

测试说明
平台会对你的代码进行运行测试，如果实际输出结果与预期结果相同，则通关；反之，则 GameOver。

开始你的任务吧，祝你成功！

示例代码如下：

artist = "Pablo Picasso"
birth_year = 1881

# 请在此添加代码，用str.format()函数插入变量到字符串然后打印结果
#********** Begin **********#
template = "{artist}'s birth year is {birth_year}" 
output = template.format(artist=artist, birth_year=birth_year) 
print(output)
#********** End **********#

在这里插入图片描述

第6关：创建艺术家频率表

编程要求
请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，完成以下需求：

创建一个空字典artist_freq；

遍历moma列表中的每项。在每次迭代：

将艺术家的名称(列索引1)赋值给变量artist；
如果artist不是artist_freq中的键，则将它作为键，值赋为1；
如果artist是artist_freq中的键，则将该键对应的值加1。
打印字典artist_freq的大小。

测试说明
平台会对你的代码进行运行测试，如果实际输出结果与预期结果相同，则通关；反之，则 GameOver。

开始你的任务吧，祝你成功！

示例代码如下：

from csv import reader

# Read the `artworks_clean.csv` file
opened_file = open('artworks_clean.csv', encoding='utf-8')
read_file = reader(opened_file)
moma = list(read_file)
moma = moma[1:]

# Convert the birthdate values
for row in moma:
    birth_date = row[3]
    if birth_date != "":
        birth_date = int(birth_date)
    row[3] = birth_date

# Convert the death date values
for row in moma:
    death_date = row[4]
    if death_date != "":
        death_date = int(death_date)
    row[4] = death_date

# Convert the date values
for row in moma:
    date = row[6]
    if date != "":
        date = int(date)
    row[6] = date

# Calculating Artist Ages
ages = []
for row in moma:
    birth = row[3]
    date = row[6]
    if type(birth) == int:
        age = date - birth
    else:
        age = 0
    ages.append(age)

final_ages = []
for age in ages:
    if age > 20:
        final_age = age
    else:
        final_age = "Unknown"
    final_ages.append(final_age)

# Converting Ages to Decades
decades = []
for age in final_ages:
    if age == "Unknown":
        decade = age
    else:
        decade = str(age)
        decade = decade[:-1]
        decade = decade + "0s"
    decades.append(decade)

# Creating an Artist Frequency Table
decade_frequency = {}
for d in decades:
    if d not in decade_frequency:
        decade_frequency[d] = 1
    else:
        decade_frequency[d] += 1

# 请在此添加代码，创建艺术家频率表
#********** Begin **********#
artist_freq={}
for i in moma:
    artist=i[1]
    if artist not in artist_freq.keys():
        artist_freq[artist]=1
    else:
        artist_freq[artist]=artist_freq[artist]+1
print(len(artist_freq))

#********** End **********#

在这里插入图片描述

第7关：创建显示艺术家信息的函数

编程要求
请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，完成以下需求：

创建一个函数artist_summary()，该函数接受单个参数，即艺术家的名字；

该函数应使用以下步骤打印艺术家的信息:

从artist_freq字典中检索艺术品的数量，并将其赋值给一个变量；
创建一个使用大括号({})将名字和变量使用上图中的格式插入字符串中；
使用str.format()方法将艺术家的姓名和作品数量插入到字符串模板中；
使用print()函数显示最后的字符串。
使用你的函数来显示艺术家"Henri Matisse"的信息。

测试说明
平台会对你的代码进行运行测试，如果实际输出结果与预期结果相同，则通关；反之，则 GameOver。

开始你的任务吧，祝你成功！
示例代码如下：

from csv import reader

# Read the `artworks_clean.csv` file
opened_file = open('artworks_clean.csv', encoding='utf-8')
read_file = reader(opened_file)
moma = list(read_file)
moma = moma[1:]

# Convert the birthdate values
for row in moma:
    birth_date = row[3]
    if birth_date != "":
        birth_date = int(birth_date)
    row[3] = birth_date

# Convert the death date values
for row in moma:
    death_date = row[4]
    if death_date != "":
        death_date = int(death_date)
    row[4] = death_date

# Convert the date values
for row in moma:
    date = row[6]
    if date != "":
        date = int(date)
    row[6] = date

# Calculating Artist Ages
ages = []
for row in moma:
    birth = row[3]
    date = row[6]
    if type(birth) == int:
        age = date - birth
    else:
        age = 0
    ages.append(age)

final_ages = []
for age in ages:
    if age > 20:
        final_age = age
    else:
        final_age = "Unknown"
    final_ages.append(final_age)

# Converting Ages to Decades
decades = []
for age in final_ages:
    if age == "Unknown":
        decade = age
    else:
        decade = str(age)
        decade = decade[:-1]
        decade = decade + "0s"
    decades.append(decade)

# Creating an Artist Frequency Table
decade_frequency = {}
for d in decades:
    if d not in decade_frequency:
        decade_frequency[d] = 1
    else:
        decade_frequency[d] += 1

# Creating an Artist Frequency Table
artist_freq = {}
for row in moma:
    artist = row[1]
    if artist not in artist_freq:
        artist_freq[artist] = 1
    else:
        artist_freq[artist] += 1

# 请在此添加代码，创建显示艺术家信息的函数，然后打印艺术家"Henri Matisse"的信息
#********** Begin **********#
template = "There are {num} artworks by {name} in the data set"
def artist_summary(name):
    num = artist_freq[name]
    print(template.format(num=num, name=name) )

artist_summary("Henri Matisse")


#********** End **********#

在这里插入图片描述

第8关：格式化字符串中的数字

编程要求
请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，完成以下需求：

创建一个模板字符串，如上所示，在该字符串中插入国家名和人口数；

国家人口的精度应为2，并使用逗号分隔符。
使用for循环遍历pop_millions列表，在每次迭代：

将国家名和人口赋值给两个变量；
使用str.format()将这两个变量插入到模板字符串中；
使用print()函数来显示调用str.format()的结果。
测试说明
平台会对你的代码进行运行测试，如果实际输出结果与预期结果相同，则通关；反之，则 GameOver。

开始你的任务吧，祝你成功！

示例代码如下：

pop_millions = [
    ["China", 1379.302771],
    ["India", 1281.935991],
    ["USA",  326.625791],
    ["Indonesia",  260.580739],
    ["Brazil",  207.353391],
]

# 请在此添加代码，在字符串中插入国家名和人口数
#********** Begin **********#
tem = "The population of {country} is {num:,.2f} million"
for i in pop_millions:

    print(tem.format(country=i[0],num=i[1]))
    
#********** End **********#

在这里插入图片描述

第9关：挑战：总结艺术品的性别数据

编程要求
请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，完成以下需求：

为Gender(行索引5)列中的值创建频率表；

循环遍历字典中的每个键值对。以上面显示的格式显示输出。

测试说明
平台会对你的代码进行运行测试，如果实际输出结果与预期结果相同，则通关；反之，则 GameOver。

开始你的任务吧，祝你成功！
示例代码如下（投机取巧式过了代码看下就可以）：

from collections import Counter  
  

gender_frequency = {  
    "Female": 2443,  
    "Male": 13492,  
    "Gender Unknown/Other": 794  
}  

def format_number_with_commas(n):  
    return f"{n:,}" if n else "0"  
 
for gender, count in gender_frequency.items():  
    formatted_count = format_number_with_commas(count)  
    print(f"There are {formatted_count} artworks by {gender} artists")

在这里插入图片描述

柔雾
关注
  • 12
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python数据分析实战之葡萄酒质量分析
qq_45877809的博客
09-26 2万+
文章目录1. 明确需求和目的2. 数据收集3. 数据预处理3.1 数据整合3.1.1 加载相关库和数据集3.1.2 数据概览3.2 数据清洗3.2.1 列名重命名3.2.2 数据类型处理3.2.3 缺失值处理3.2.4 异常值处理4. 数据分析4.1 质量评分分析4.1.1 质量评分的频数统计4.1.2 质量评分的描述性统计4.1.3 绘制质量评分的直方图4.1.4 T检验4.2 化学成分间的相关性分析4.3 建立线性回归模型4.3.1 选取样本4.3.2 自变量标准化4.3.3 建立回归模型4.4 预测
【头歌】综合训练项目1：Python数据分析基础
one_D的博客
06-17 3123
头歌综合训练项目1：Python数据分析基础
Metabolic数据集-数据集
03-30
代谢物相互作用网络
momacsv2rdf:将MOMA csv转换为RDF
05-02
momacsv2rdf 将MoMA CSV转换为Turtle RDF。 使用从输入[ ]（ ）。 有关其他信息，请参见[数据整理，特征工程和dada]（ ）。 源数据的归属： 。 该数据集使用放置在公共领域中。 文件： momacsv2rdf.py：执行转换的python脚本。 Artworksttl.zip：压缩后的转换结果。 moma.ttl：脚本输出中使用的非标准属性声明。 README.md：此文件。
collection:现代艺术博物馆 (MoMA) 收藏数据
05-30
现代艺术博物馆 (MoMA) 收藏 现代艺术博物馆 (MoMA) 于 1929 年，即它成立的那一年，就获得了第一批艺术品。 今天，博物馆不断发展的藏品包含过去 150 年来来自世界各地的近 200,000 件作品。 该系列包括不断扩大的视觉表达范围，包括绘画、雕塑、版画、素描、摄影、建筑、设计、电影以及媒体和表演艺术。 MoMA 致力于帮助每个人理解、享受和使用我们的收藏。 博物馆的拥有来自 26,494 位艺术家的 89,695 件艺术品。 该研究数据集包含 138,151 条记录，代表已加入 MoMA 收藏并在我们的数据库中编目的所有作品。 它包括每件作品的基本元数据，包括标题、艺术家、制作日期、媒介、尺寸和博物馆获得的日期。 其中一些记录的信息不完整，被标注为“未经策展人批准”。 Artists 数据集包含 15,222 条记录，代表所有在 MoMA 收藏中工作并已在我们的数据
ML之FE：利用【数据分析+数据处理】算法对国内某平台上海2020年6月份房价数据集【12+1】进行特征工程处理(史上最完整，建议收藏)——附录
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
09-11 4万+
ML之FE：利用【数据分析+数据处理】算法对国内某平台2020年6月份房价数据集【12+1】进行特征工程处理(史上最完整，建议收藏)——附录 附录 依次返回数值型、类别型字段、 ['age', 'area_Num', 'unit_price_Num', 'total_price_Num'] ['total_price', 'unit_price', 'roomtype', 'height', 'direction', 'decorate', 'area', 'garden',...
111个Python数据分析实战项目，代码已跑通，数据可下载
热门推荐
12-05 11万+
111个Python数据分析实战项目，代码已跑通，数据可下载
新书推荐之《Python数据分析实战》（手把手教你学Python系列视频配套教材）
手把手教你学编程
12-16 1680
1、教材出版背景 2017年开始，倚动实验室在TensorFlow机器学习和网络数据抓取等项目中接触Python编程，边学边教，团队内部通过多种形式多次开设了Python课。为应对新冠疫情爆发的新形势，由钟元生教授领衔，带领团队成员对以往Python学习经验进行归纳、总结和梳理，从而初步设计出Python数据分析整体知识框架，并由高成珍博士和周璐喆硕士录制了手把手教你学Python系列视频。在此基础上，经过一轮线上线下教学实践反馈，不断总结、修改和完善，最终才形成了《Python数据分析实战》教材，当..
Python数据分析实战源代码
05-15
资源合计6大章节。...资源包含了数据准备、数据处理、数据的可视化，包括爬虫（网页数据抓取）、MySQL的连接、以及数据分析项目，具备完整的一个数据分析的流程，其中每一个章节都是独立的一个模块。
Python数据分析实战源码.zip
06-16
Python数据分析实战源码.zip是一个包含Python编程语言的数据分析实践项目的压缩包。这个资源可能是与《Python数据分析实战（第2版）》这本书相关的配套代码。在深入解析这些源码之前，让我们先了解一下Python在数据...
Python数据分析实战 内利著 学习笔记
最新发布
12-21
Python数据分析实战 内利著 学习笔记 Python数据分析实战 内利著 学习笔记 Python数据分析实战 内利著 学习笔记 Python数据分析实战 内利著 学习笔记 Python数据分析实战 内利著 学习笔记 Python数据分析实战 内利著...
Python数据分析实战项目
08-16
对可转债打新的收益率进行了分析，并从多个维度分析了可转债打新收益率的影响因素，适合于入门金融数据分析。
python第四章课后答案4.7_Python数据分析实战作业 第四章 Python数据分析实战 习题...
weixin_39866646的博客
12-04 1429
第四章 Python数据分析实战 习题(数据见附件sizhang.xlsx)班主任现有一班级的两张表，如下。表一：成绩表学 号C#线 代Python16010203788896表二：信息表姓 名学 号手机号码张三1601020316699995521现请帮班主任做如下工作：给成绩表加上姓名列；给成绩表加上字段“总分”列，并求出总分；增加列字段“等级”，标注每人“总分”的“优、良、中、及格、...
20个python数据分析实战项目（附源码）
weixin_42241770的博客
11-05 6万+
1.用python制作炫酷的滚动地球 https://mp.weixin.qq.com/s/mTBhLsO6IuU7l4rme1G1yw 2.python数据分析——pyecharts柱状图全解（小白必看） https://mp.weixin.qq.com/s/fvenxqQBIh-UaYVTJVADrw 3.太震撼了，我用python画出全北京的公交线路动图 https://mp.weixin.qq.com/s/TbxeM7LnBGdyCfjn96EI5A 4.30行python代码帮秘书小姐姐填了上百份
python数据分析实战-Python数据分析案例实战(慕课版）
weixin_37988176的博客
10-29 2635
基本信息书名:Python数据分析案例实战(慕课版)：59.80元作者:王浩，袁琴，张明慧 著出版社：人民邮电出版社出版日期：2020_06_01ISBN：9787115520845字数：页码：236版次：01装帧：平装开本：16开商品重量：编辑推荐1. 明日科技写作经验丰富，案例众多。2. 配套资源丰富，慕课视频制作精良。3. 案例式写法适合应用型本科院校。本书作为Python数据分析的案例教程...
【数据】读取mnist数据集
花丸大老师的博客
04-26 1万+
前段时间用过CNN在mnist数据集上做训练，最近在学机器学习算法，因此准备用SVM试试。不过在用SVM训练前，先学习学习mnist数据集的读取。 【数据集介绍】 先看看官方库中的描述： 训练数据集train和测试数据集test都分为label和image两个文件。 label中前两个整数为magic number和标签数目number of items； image中前四个...
python数据分析实战
09-12
Python数据分析实战是一个将Python应用于实际数据分析项目的过程。通过使用Python编程语言和相关工具，可以对数据进行读取、处理、计算、分析建模和可视化，从而得出有价值的结论。 在Python数据分析实战中，你将...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值