Pandas数据分析练习题

1、如何引入pandas并查看版本

import pandas as pd
print(pd.__version__)
print(pd.show_versions(as_json=True))

2、list 或 numpy array 或 dict 转 pd.Series

import numpy as np
mylist = list('abcedfghijklmnopqrstuvwxyz')
myarr = np.arange(26)
mydict = dict(zip(mylist, myarr))

# 方法
ser1 = pd.Series(mylist)
ser2 = pd.Series(myarr)
ser3 = pd.Series(mydict)
print(ser3.head())

3、Series 的 index 转 DataFrame 的 column

ser3.head()

df = ser3.to_frame().reset_index()
print(df.head())

4、多个series合并成一个dataframe

df = pd.DataFrame({'col1': ser1, 'col2': ser2})
print(df.head())

5、根据index, 多个series合并成dataframe

# 选择部分数据进行合并, 便与看到合并效果
s1 = ser1[:16]
s2 = ser2[14:]
s1

pd.concat([s1, s2], axis=1)

6、头尾拼接两个series

pd.concat([s1, s2], axis=0)

7、找到元素 在series A中不在series B中

ser1 = pd.Series([1, 2, 3, 4, 5])
ser2 = pd.Series([4, 5, 6, 7, 8])
ser1[~ser1.isin(ser2)]

8、两个seiries的并集

np.union1d(ser1, ser2)

9、两个series的交集

np.intersect1d(ser1, ser2)

10、两个series的非共有元素

u = pd.Series(np.union1d(ser1, ser2))
i = pd.Series(np.intersect1d(ser1, ser2))
u[~u.isin(i)]

11、如何获得series的最小值，第25百分位数，中位数，第75位和最大值？

ser = pd.Series(np.random.normal(10, 5, 25))
np.random.RandomState(100)
np.percentile(ser, q=[0, 25, 50, 75, 100])

12、如何获得系列中唯一项目的频率计数？

ser = pd.Series(np.take(list('abcdefgh'), np.random.randint(8, size=30)))

ser.value_counts()

13、series中计数排名前2的元素

v_cnt = ser.value_counts()
cnt_cnt=v_cnt.value_counts().index[:2]
cnt_cnt

index = v_cnt[v_cnt.isin(cnt_cnt)].index
index

14、如何将数字系列分成10个相同大小的组

ser = pd.Series(np.random.random(20))
ser.head()

groups = pd.qcut(ser, q=[0, .10, .20, .3, .4, .5, .6, .7, .8, .9, 1], 
        labels=['1st', '2nd', '3rd', '4th', '5th', '6th', '7th', '8th', '9th', '10th'])
groups.head()

15、如何将numpy数组转换为给定形状的dataframe

ser = pd.Series(np.random.randint(1, 10, 35))
df = pd.DataFrame(ser.values.reshape(7,5))
df

16、如何从一系列中找到2的倍数的数字位置

ser = pd.Series(np.random.randint(1, 10, 7))
ser

np.argwhere(ser % 2==0)

17、如何从系列中的给定位置提取项目

ser = pd.Series(list('abcdefghijklmnopqrstuvwxyz'))
pos = [0, 4, 8, 14, 20]
ser.take(pos)

18、获取元素的位置

aims = list('adhz')
[pd.Index(ser).get_loc(i) for i in aims]

19、如何计算真值和预测序列的均方误差

truth = pd.Series(range(10))
pred = pd.Series(range(10)) + np.random.random(10)
np.mean((truth-pred)**2)

20、如何将系列中每个元素的第一个字符转换为大写

ser = pd.Series(['how', 'to', 'kick', 'ass?'])
ser.map(lambda x: x.title())

21、如何计算系列中每个单词的字符数

ser.map(lambda x: len(x))

22、如何计算时间序列数据的差分

ser = pd.Series([1, 3, 6, 10, 15, 21, 27, 35])

# 一级差分
ser.diff()

# 二级差分
ser.diff().diff()