Pandas统计分析基础

第1关：Series对象

知识点

1.pandas的Series对象是可保存任意类型的数据的一维数组，可用一个数组创建Series对象。

data = pd.Series([0.25, 0.5, 0.75, 1.0]) 

2.Series对象和Numpy数组的差异：Numpy数组通过隐式定义的整数获取数值，Series对象使用显式定义的索引与数值关联。

In:data = pd.Series([0.25, 0.5, 0.75, 1.0], index=['a', 'b', 'c', 'd'])
In:data["a"]
Out:0.25

3.Series对象是一种可将类型键映射到一组类型值的数据结构，可以直接使用Python字典创建一个Series对象。

population_dict = {'California': 38332521,'Texas': 26448193, 'New York': 19651127,'Florida': 19552860, 'Illinois': 12882135} 
population = pd.Series(population_dict) 

测试说明

测试输入中的第一行为Series对象中的列索引，第二行为Series对象中每一行的值。

import pandas as pd

a = input()   # 输入的是一个字符串，详细数据可查看测试集
b = input()

# 使用任意方法创建一个Series对象，并输出
#********* Begin **********#
a=a.split(",")
b=b.split(",")
output_dict={}
for i in range(len(a)):
    output_dict[a[i]]=b[i]
result=pd.Series(output_dict)
print(result)


#********* Begin **********#

第2关：Series数据选择

知识点

1.Series对象提供了键值对的映射，可用字典的表达式和方法检测键/索引和值，也可像字典一样修改Series对象的值。

2.Series对象具备和Numpy数组一样的数组数据选择功能，如索引、掩码、花哨索引等操作。

In: import pandas as pd 
In: data = pd.Series([0.25, 0.5, 0.75, 1.0], index=['a', 'b', 'c', 'd'])
#将显式索引作为切片
In: data['a':'c'] 
Out: a 0.25 
       b 0.50 
       c 0.75 
       dtype: float64
#将隐式整数索引作为切片
In: data[0:2]
Out: a 0.25 
     b 0.50 
     dtype: float64
#掩码
In: data[(data > 0.3) & (data < 0.8)]
Out: b 0.50 
     c 0.75 
     dtype: float64
#花哨索引
In: data[["a","e"]]
Out: a 0.25 
     e 1.25 
     dtype: float64

3.索引器

（1）loc属性：取值和切片都是显式的

（2）iloc属性：取值和切片都是隐式的

编程要求

• 添加一行数据，时间戳2019-01-29值为320；
• 获取2019-01-04号之后的数据(包含该日期)；
• 最后筛选值大于100的数据，得到以下目标Series对象

  2019-01-06     981
  2019-01-11     647
  2019-01-17     198
  2019-01-20    1698
  2019-01-21    7496
  2019-01-24    8201
  2019-01-29     320
  dtype: int64

  import pandas as pd
  import numpy as np
  
  arr = input()
  dates = pd.date_range('20190101', periods=25) # 生成时间序列
  df = pd.Series(eval(arr),index=dates)
  #完成编程要求，并输出结果
  #********** Begin **********#
  df[pd.to_datetime('2019-01-29')]=320   #将字符串转换成时间戳
  a = df['2019-01-04'::]
  print(a[a>100])
  
  #********** End **********

第3关：Series方法

编程要求

1.创建一个名为series_a的series数组，当中值为[1,2,5,7],对应的索引为['nu', 'li', 'xue', 'xi']

2.创建一个名为dict_a的字典，字典中包含如下内容{'ting':1, 'shuo':2, 'du':32, 'xie':44}

3.将dict_a字典转化成名为series_b的series数组。

# -*- coding: utf-8 -*-
from pandas import Series,DataFrame
import  pandas as pd

def create_series():
    '''
    返回值:
    series_a: 一个Series类型数据
    series_b: 一个Series类型数据
    dict_a：  一个字典类型数据
    '''
    # 请在此添加代码 完成本关任务
    # ********** Begin *********#
    series_a=Series([1,2,5,7],index=['nu','li','xue','xi'])
    dict_a={'ting':1,'shuo':2,'du':32,'xie':44}
    series_b=Series(dict_a)

    # ********** End **********#

    # 返回series_a,dict_a,series_b
    return series_a,dict_a,series_b
create_series()

第4关：DataFrame对象

知识点

1.DataFrame对象的创建方法

#通过数组创建
pd.DateFrame(array, index=list0, columns=list1)   #list表示一个列表
#通过单个Series对象创建
pd.DateFrame(Series,columns=list)
#通过字典列表创建
data = [{'a': i, 'b': 2 * i} for i in range(3)] 
pd.DataFrame(data)

2.DataFrame是通用的Numpy数组，是特殊的字典，和Series类似

编程要求

• 将数据转换为Series对象 然后通过Series对象创建一个DataFrame对象，并输出；

• 将数据转换为字典，然后通过字典创建一个DataFrame对象，并输出；

测试说明

测试输入的第一行为列索引，第二行为第一列数据，第三行为第二列数据。

import pandas as pd
import numpy as np
index = input()        # 输入的是一个字符串，用于列索引，详细数据请查看测试集
value1 = input()     # DataFrame对象的第一列数据
value2 = input()     # DataFrame对象的第二列数据

# 将数据转换为Series对象  然后通过Series对象创建一个DataFrame对象，然后输出
#********** Begin **********#
d1 = {'first': pd.Series(np.array(value1.split(',')), index=np.array(index.split(','))),
      'second': pd.Series(np.array(value2.split(',')), index=np.array(index.split(',')))}
df1 = pd.DataFrame(d1)
print(df1)
#********** End **********#

# 将数据转换为字典，然后通过字典创建一个DataFrame对象，然后输出
#********** Begin **********#
d2 = {'first': np.array(value1.split(',')), 'second': np.array(value2.split(','))}
df2 = pd.DataFrame(d2,index=np.array(index.split(',')))
print(df2)


#********** End **********#

第5关：DataFrame对象访问

知识点

1.DataFrame可看作一个由若干Series对象构成的字典，通过对列名进行字典形式的取值获取数据。

2.DataFrame可看成是一个增强版的二维数组，许多数组操作方式都可以用在DataFrame对象上。

编程要求

• 完成下列要求。初始DataFrame如图所示：

• 根据相关知识介绍的取值方法将初始DataFrame转换成下图所示DataFrame，并输出：

	Florida	Washington
deaths	616	62
battles	2	3
size	1400	849
veterans	26	48
readiness	3	3
armored	1	1
deserters	2	31

import pandas as pd


def demo(raw_data,origin):
    df = pd.DataFrame(raw_data,index=origin)
    #转换成编程要求所示DataFrame, 并输出
    #********** Begin **********#
    # df=df.T
    # print(df)
    data=df.loc[['Florida','Washington']]
    data=data.T
    result=data.loc[['deaths','battles','size','veterans','readiness','armored','deserters']]
    print(result)
    #********** End **********#
    return result