101道Numpy、Pandas练习题

本文推荐三套针对numpy, pandas和datatable的数据预处理练习题,涵盖从基础到进阶的四个难度级别。通过实战提升数据分析和机器学习中数据预处理的技能,包括提取奇数、数据筛选等操作。适合Python初学者巩固基础知识。
摘要由CSDN通过智能技术生成

无论是数据分析还是机器学习,数据的预处理必不可少。
其中最常用、最基础的Python库非numpy和pandas莫属,很多初学者可能看了很多教程,但是很快就把用法忘光了。
光看不练假把式,今天向大家推荐三套感觉不错的练习题,感兴趣的同学可以练练手。

每套题都分四个Level的难度

Difficulty Level: L1

Q. Extract all odd numbers from arr

Input:

arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
Desired output:

#> array([1, 3, 5, 7, 9])

答案是隐藏的,点开Solution即可查看

# Input
arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

# Solution
arr[arr % 2 == 1]
#> array([1, 3, 5, 7, 9])

Numpy 练习题

https://www.machinelearningplus.com/python/101-numpy-exercises-python/

Pandas 练习题

https://www.machinelearningplus.com/python/101-pandas-exercises-python/

datatable 练习题

  • 工具包 datatable 的功能特征与 Pandas 非常类似,但更侧重于速度以及对大数据的支持。

https://www.machinelearningplus.com/data-manipulation/101-python-datatable-exercises-pydatatable/

  • 6
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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