Pandas（Special）--综合练习

---

1 企业收入的多样性

>>>df1 = pd.read_csv('company.csv')
>>>df2 = pd.read_csv('company_data.csv')
>>>df1.head()
	证券代码	日期
0	#000007	2014
1	#000403	2015
2	#000408	2016
3	#000408	2017
4	#000426	2015
>>>df2.head()
    证券代码	日期	    收入类型	 收入额
0	1	    2008/12/31	1	     1.084218e+10
1	1	    2008/12/31	2	     1.259789e+10
2	1	    2008/12/31	3	     1.451312e+10
3	1	    2008/12/31	4	     1.063843e+09
4	1	    2008/12/31	5	     8.513880e+08

• 答案：
  • 整体思路：首先计算出表2中的收入熵指标（按年的），然后按照证券代码和日期与表1连接（证券代码和日期的格式注意）
  • 【代码】

  # 导入模块与读取文件
  import numpy as np
  import pandas as pd
  df1=pd.read_csv('Company.csv')
  df2=pd.read_csv('Company_data.csv')
  

  # 将表2的日期格式统一
  df2['日期']=df2['日期'].\
  	apply(lambda x:''.join(x[:4])).astype('int64') # 将对象转换为指定类型
  print(df2['日期'].head())
  print(df1['日期'].head())
  

  0    2008
  1    2008
  2    2008
  3    2008
  4    2008
  Name: 日期, dtype: int64
  0    2014
  1    2015
  2    2016
  3    2017
  4    2015
  Name: 日期, dtype: int64
  

  # 定义计算收入熵指标的函数
  
  

  绕进去了，暂时想不清楚了

  # 将表1的证券代码格式统一
  df1_copy=df1.copy()
  df1['证券代码']=df1_copy['证券代码'].apply(lambda x:''.join(x[1:])).astype('int64')
  print(df1['证券代码'].head())
  print(df2['证券代码'].head())
  

  0      7
  1    403
  2    408
  3    408
  4    426
  Name: 证券代码, dtype: int64
  0    1
  1    1
  2    1
  3    1
  4    1
  Name: 证券代码, dtype: int64
  

  # 将表2和表1连接
  
  

参考1.
参考2.

2 组队学习信息表的变换

【题目描述】请把组队学习的队伍信息表变换为如下形态，其中“是否队长”一列取1表示队长，否则为0

	是否队长	队伍名称	    昵称    	编号
0	1	    你说的都对队	山枫叶纷飞	5
1	0	    你说的都对队	蔡	        6
2	0	    你说的都对队	安慕希	    7
3	0	    你说的都对队	信仰	    8
4	0	    你说的都对队	biubiu🙈🙈	20
...	...	    ...	        ...	        ...
141	0	    七星联盟	    Daisy	    63
142	0	    七星联盟    	One Better	131
143	0	    七星联盟    	rain	    112
144	1	    应如是	    思无邪	    54
145	0	    应如是	    Justzer0	58

• 答案：
  没什么思路。。。。

---

3 美国大选投票情况

【题目描述】两张数据表中分别给出了美国各县（county）的人口数以及大选的投票情况，请解决以下问题：

• 有多少县满足总投票数超过县人口数的一半

  • 答案：

  import numpy as np
  import pandas as pd
  # 读取两个表
  df_cand=pd.read_csv('president_county_candidate.csv')
  df_pop=pd.read_csv('county_population.csv')
  print(df_cand.head())
  print(df_pop.head())
  

  	      state             county      candidate party  total_votes    won
  0  Delaware        Kent County      Joe Biden   DEM        44552   True
  1  Delaware        Kent County   Donald Trump   REP        41009  False
  2  Delaware        Kent County   Jo Jorgensen   LIB         1044  False
  3  Delaware        Kent County  Howie Hawkins   GRN          420  False
  4  Delaware  New Castle County      Joe Biden   DEM       195034   True
  
                    US County  Population
  0  .Autauga County, Alabama       55869
  1  .Baldwin County, Alabama      223234
  2  .Barbour County, Alabama       24686
  3     .Bibb County, Alabama       22394
  4   .Blount County, Alabama       57826
  

  因为最终求的是县的个数，而从上可以看到两个表的county名格式不一致，需要转化为一致的

  # 对人口表中的县进行格式修改
  # 替换.并且切片到,
  df_pop['US County']=df_pop['US County']\
      .apply(lambda x:x.replace('.','').split(',')[0])
  print(df_pop.head())
  

          US County  Population
  0  Autauga County       55869
  1  Baldwin County      223234
  2  Barbour County       24686
  3     Bibb County       22394
  4   Blount County       57826
  

  自己的方法太复杂，借鉴了 参考，使用了字典的方式，不知道有没有其他的简便方法

  # 建立字典，键为县名，值为人口数。
  dic_pop={x:y for x,y in zip(df_pop['US County']
                          ,df_pop['Population'])}
  print(len(dic_pop))
  # 1877
  

  # 从投票表中取出州名和投票数字段，建立字典。
  # 遍历字典，若投票数大于人口数的1/2，结果加一
  dic_cand=df_cand.groupby('county')['total_votes'].sum().to_dict()
  res=0
  for k,v in dic_cand.items():
      if k in dic_pop and v > dic_pop[k]//2:
          res+=1
  print(res)
  

• 把州（state）作为行索引，把投票候选人作为列名，列名的顺序按照候选人在全美的总票数由高到低排序，行列对应的元素为该候选人在该州获得的总票数

  # 此处是一个样例，实际的州或人名用原表的英语代替
              拜登   川普
  威斯康星州   2      1
  德克萨斯州   3      4
  

  • 答案：

  # 长表变宽表
  res=df_cand.pivot_table(index='state'
                      ,columns='candidate'
                      ,values='total_votes'
                      ,aggfunc='sum')
  # 排序
  columns_name= res.sum(0)\
  .sort_values(ascending=False).index.tolist()
  # 变形
  res=res.reindex(index=res.index,columns=columns_name)
  print(res)
  

  

• 每一个州下设若干县，定义拜登在该县的得票率减去川普在该县的得票率为该县的BT指标，若某个州所有县BT指标的中位数大于0，则称该州为Biden State，请找出所有的Biden State

• 答案：