2023（春）Python程序设计作业5：Pandas基础技能及综合应用

m0_68635857

已于 2023-05-26 15:09:54 修改

文章标签： python 开发语言

于 2023-05-20 13:22:46 首次发布

本文链接：https://blog.csdn.net/m0_68635857/article/details/130780373

版权

作业要求

[基础要求] 基于Jupyter Notebook 完成以下实验一、实验二、实验三；
[重点要求] 修改以下示例代码，以测试不同知识点。在博客上写出你：

修改的代码、
修改的愿意（意图）
代码运行的结果
你的结论

实验一：Series对象的应用

实验要求：

定义一个Series对象，包含5个整数数据；
访问、修改Series对象中的数据；
打印Series对象；
对Series对象进行计算，如求和、求平均值等。

示例代码：

import pandas as pd
 
 
# 定义一个Series对象
s = pd.Series([10, 20, 30, 40, 50])
 
 
# 访问Series对象中的数据
print(s[0])    # 输出第一个元素
print(s[2:4])  # 输出第3个到第4个元素
 
 
# 修改Series对象中的数据
s[1] = 25
 
 
# 打印Series对象
print(s)
 
 
# 对Series对象进行计算
print(s.sum())  # 求和
print(s.mean())  # 求平均值

修改代码：增加字符串型、列表型的数据，将Series对象中的数据类型变为多个类型数据混合；

import pandas as pd

# 定义一个Series对象
s = pd.Series(['hello', 20, 30, 40, 50])

# 访问Series对象中的数据
print(s[0])  # 输出第一个元素
print(s[2:4])  # 输出第3个到第4个元素

# 修改Series对象中的数据
s[1] = [2,3,5]

# 打印Series对象
print(s)

修改意图：测试Pandas中对于混合类型的Series对象的处理能力；
代码运行的结果：成功创建一个包含整数和字符串类型的Series对象，并对其进行了访问、修改加入列表型操作；
我的结论：Pandas可以处理混合类型的Series对象。

实验二：DataFrame对象的应用

实验要求：

定义一个DataFrame对象，包含3个列，每列分别为整数、浮点数和字符串类型；
访问、修改DataFrame对象中的数据；
对DataFrame对象进行计算，如求和、求平均值等。

示例代码：

import pandas as pd
 
# 定义一个DataFrame对象
data = {'int_col': [1, 2, 3, 4, 5], 'float_col': [1.2, 2.3, 3.4, 4.5, 5.6], 'str_col': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data)
 
# 访问DataFrame对象中的数据
print(df['int_col'][0])  # 输出第一行第一列的数据
print(df.loc[1, 'str_col'])  # 输出第二行第三列的数据
 
# 修改DataFrame对象中的数据
df.loc[2, 'float_col'] = 3.5
 
# 对DataFrame对象进行计算
print(df.sum())  # 求和
print(df.mean())  # 求平均值

修改代码：将str_col表示的字符列表变换成字符串，去掉修改对象数据中的列索引只保留行索引；

import pandas as pd

# 定义一个DataFrame对象
data = {'int_col': [1, 2, 3, 4, 5], 'float_col': [1.2, 2.3, 3.4, 4.5, 5.6], 'str_col': 'defef'}
df = pd.DataFrame(data)

# 访问DataFrame对象中的数据
print(df['int_col'][0])  # 输出第一行第一列的数据
print(df.loc[1, 'str_col'])  # 输出第二行第三列的数据
print(df)
# 修改DataFrame对象中的数据
df.loc[ 'float_col'] = 1
print(df)
# 对DataFrame对象进行计算
print(df.sum())  # 求和
print(df.mean())  # 求平均值

修改意图：测试Pandas中DataFrame对象对于字符串的处理，测试当修改对象中列索引为空时DataFrame对象如何执行修改操作；
代码运行的结果：成功创建一个包含整数和字符串类型的DataFrame对象，并将字符串转变成了每一行都是字符串，修改对象在列索引为空的情况下，也是直接默认为修改列索引的最后一位；
我的结论：DataFrame对象可以很好的处理索引缺失、对象不为列表的情况。

实验三：综合实例

实验要求：

定义一个包含省会城市、人口、GDP、城市面积的DataFrame对象；
计算各种排名，如人口最多的城市、GDP最高的城市等；
使用Pandas绘图，可视化上述实验结果。

示例代码：

import pandas as pd
import matplotlib.pyplot as plt
 
# 定义一个包含省会城市、人口、GDP、城市面积的DataFrame对象
data = {'city': ['北京', '上海', '广州', '深圳'], 'population': [2171, 2424, 1500, 1303], 
        'gdp': [30320, 32679, 20353, 22458], 'area': [16410, 6340, 7434, 1996]}
df = pd.DataFrame(data)
 
# 计算各种排名
pop_rank = df['population'].rank(ascending=False)
gdp_rank = df['gdp'].rank(ascending=False)
area_rank = df['area'].rank(ascending=False)
 
# 将排名添加到DataFrame对象中
df['pop_rank'] = pop_rank
df['gdp_rank'] = gdp_rank
df['area_rank'] = area_rank
 
# 使用Pandas绘图，可视化实验结果
df.plot(kind='bar', x='city', y=['population', 'gdp', 'area'], title='China Capital Cities')
plt.show()

修改代码：修改了画图部分的代码，新增了对横坐标字体和大小的要求；

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

# 定义一个包含省会城市、人口、GDP、城市面积的DataFrame对象
data = {'city': ['北京', '上海', '广州', '深圳'], 'population': [2171, 2424, 1500, 1303],
        'gdp': [30320, 32679, 20353, 22458], 'area': [16410, 6340, 7434, 1996]}
df = pd.DataFrame(data)

# 计算各种排名
pop_rank = df['population'].rank(ascending=False)
gdp_rank = df['gdp'].rank(ascending=False)
area_rank = df['area'].rank(ascending=False)

# 将排名添加到DataFrame对象中
df['pop_rank'] = pop_rank
df['gdp_rank'] = gdp_rank
df['area_rank'] = area_rank

# 使用Pandas绘图，可视化实验结果
df.plot(kind='bar', x='city', y=['population', 'gdp', 'area'], title='China Capital Cities')

# 自定义横坐标为城市名称，字体为宋体
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
plt.xticks(fontproperties=font)

plt.show()