python数据分析小练习----科赛

https://www.kesci.com/apps/home/project/5a8afe517f2d695222327e14 

练习1-开始了解你的数据

步骤6 数据集中有多少个列(columns)：chipo.shape[1]

步骤9 被下单数最多商品(item)是什么：chipo.item_name.value_counts().head(1)  value_counts 默认从大到小排序

步骤10 在item_name这一列中，一共有多少商品被下单：chipo.item_name.nunique()   nunique()？？？

步骤13 将item_price转换为浮点数：dollarizer = lambda x: float(x[1:-1]) ？？？

                          chipo.item_price = chipo.item_price.apply(dollarizer)  

练习2-数据过滤与排序

步骤5 有多少球队参与了2012欧洲杯：euro12.shape[0]     与练习题1步骤6的区别

步骤6 该数据集中一共有多少列(columns)：euro12.info()  与练习题1步骤6的区别

步骤8 对数据框discipline按照先Red Cards再Yellow Cards进行排序：discipline.sort_values(['Red Cards', 'Yellow Cards'], ascending = False)

步骤9 计算每个球队拿到的黄牌数的平均值：round(discipline['Yellow Cards'].mean())

步骤11 选取以字母G开头的球队数据：euro12[euro12.Team.str.startswith('G')]

步骤14 找到英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accuracy)：euro12.loc[euro12.Team.isin(['England', 'Italy', 'Russia']), ['Team','Shooting Accuracy']]

练习3-数据分组

步骤8 打印出每个大陆对spirit饮品消耗的平均值，最大值和最小值：drinks.groupby('continent').spirit_servings.agg(['mean', 'min', 'max'])

练习4-Apply函数

步骤4 每一列(column)的数据类型是什么样的：crime.info()

步骤5 将Year的数据类型转换为 datetime64：crime.Year = pd.to_datetime