jupyter 数据的集成、变换与规约的案例

现有一张保存了学生信息的表格,具体如下所示:

 按要求操作表格中的数据,具体如下:

(1)    根据表格,创建一个DataFrame类对象。
student_info = pd.DataFrame({"年级":['大一','大二','大三','大四',

                                   '大二','大三','大一','大三','大四'],

                            "姓名":['李宏卓','李思真','张振海','赵鸿飞',

                                  '白蓉','马腾飞','张晓凡','金紫萱','金烨'],

                            "年龄":[18,19,20,21,19,20,18,20,21],

                            "性别":['男','女','男','男','女',

                                  '男','女','女','男'],

                            "身高(cm)":[175,165,178,175,160,180,167,170,185],

                            "体重(kg)":[65,60,70,75,55,70,52,53,73]})

(2)根据“年级”列分组,并输出大一年级的学生信息。

 


(3)    计算出每个年级中身高最高的学生。

(4)    计算大一学生与大三学生的平均体重。

 

 

 

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Pandas中的数据集成变换规约指的是将多个数据集进行合并、连接、拼接等操作,以生成一个新的数据集,方便进行后续的分析和建模。下面是相关的知识和案例介绍: 1. 数据集成变换: - 数据合并:使用`merge()`函数将两个或多个数据集按照指定的键进行合并。例如,可以根据某一列的值将两个数据集按行连接起来,形成一个新的数据集。 - 数据连接:使用`concat()`函数将两个或多个数据集按照指定的轴进行连接。例如,可以将两个数据集按列连接,形成一个新的数据集。 - 数据拼接:使用`append()`方法将一个数据集追加到另一个数据集的末尾。例如,可以将一个数据集的行追加到另一个数据集的末尾,形成一个新的数据集。 2. 数据集成规约: - 数据聚合:使用`groupby()`方法进行分组,并通过聚合函数(如sum、mean、count等)对每个组进行计算,生成一个新的数据集。例如,可以按照某一列的值进行分组,并计算每组的平均值。 - 数据透视表:使用`pivot_table()`方法根据指定的行和列进行汇总和聚合,生成一个新的数据集。例如,可以根据不同的行和列对数据进行汇总,并计算每个汇总单元的平均值。 - 数据重塑:使用`melt()`方法将数据从宽格式(wide format)转换为长格式(long format),以适应某些数据分析和可视化的需求。例如,可以将多列数据转换为一列数据。 3. 相关案例: - 合并销售数据:假设有两个销售数据集,一个包含产品信息,另一个包含客户信息。可以使用`merge()`函数根据产品ID将两个数据集进行合并,生成一个新的数据集,包含产品和客户信息。 - 聚合销售数据:假设有一个销售数据集,包含产品、客户和销售额信息。可以使用`groupby()`方法按照产品进行分组,并计算每个产品的总销售额,生成一个新的数据集。 - 透视销售数据:假设有一个销售数据集,包含产品、地区和销售额信息。可以使用`pivot_table()`方法根据地区和产品生成一个销售额透视表,显示每个地区每个产品的销售额。 - 数据重塑:假设有一个宽格式的数据集,包含多列数据。可以使用`melt()`方法将多列数据转换为一列数据,生成一个新的长格式的数据集,方便进行某些分析和可视化操作。 通过Pandas中的数据集成变换规约,我们可以方便地对多个数据集进行合并、连接、聚合等操作,生成新的数据集,为后续的数据分析和建模提供便利。这些功能和案例对于数据集成规约的操作非常有帮助。
评论 1
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