第1关序列和数据框
代码+解释
#********** Begin **********#
#完成以下任务
#1.导入pandas包
#2.定义列表L1、L2,元组T1、T2
#L1=[1,-2,2.3,'hq']
#L2=['kl','ht','as','km']
#T1=(1,8,8,9)
#T2=(2,4,7,'hp')
#3.构造数据框,默认索引,列名依次为a,b,c,d,返回计算结果A
#4.构造数据框,索引为a,b,c,d,列名为L1,L2,T1,T2,返回计算结果B
def return_values():
# 导入pandas库并为其设置别名pd
import pandas as pd
# 定义两个列表L1和L2
L1 = [1, -2, 2.3, 'hq'] # 列表L1包含不同类型的元素:整数、负整数、浮点数和字符串
L2 = ['kl', 'ht', 'as', 'km'] # 列表L2包含四个字符串元素
# 定义两个元组T1和T2
T1 = (1, 8, 8, 9) # 元组T1包含四个整数元素
T2 = (2, 4, 7, 'hp') # 元组T2包含三个整数和一个字符串元素
# 使用字典data来构造数据框A,其中字典的键作为列名,对应的列表/元组作为列的值
data = {'a': L1, 'b': L2, 'c': T1, 'd': T2}
# 使用pandas的DataFrame类来创建数据框A,这里使用默认索引
A = pd.DataFrame(data)
# 构造数据框B,它使用自定义的索引('a', 'b', 'c', 'd')
# 创建四个pandas Series对象,分别对应L1、L2、T1、T2,并使用自定义的索引
t1 = pd.Series(L1, index=['a', 'b', 'c', 'd']) # 创建Series t1,索引为'a'到'd',值为L1中的元素
t2 = pd.Series(L2, index=['a', 'b', 'c', 'd']) # 创建Series t2,索引为'a'到'd',值为L2中的元素
t3 = pd.Series(T1, index=['a', 'b', 'c', 'd']) # 创建Series t3,索引为'a'到'd',值为T1中的元素
t4 = pd.Series(T2, index=['a', 'b', 'c', 'd']) # 创建Series t4,索引为'a'到'd',值为T2中的元素
# 使用字典t来组合这四个Series对象,创建数据框B
t = {'L1': t1, 'L2': t2, 'T1': t3, 'T2': t4} # 字典t的键作为列名,Series对象作为列的值
# 使用pandas的DataFrame类来创建数据框B,这里使用自定义索引
B = pd.DataFrame(t)
# 返回构造好的数据框A和B
return(A,B)
#********** End **********#
第2关外部数据文件读取
代码+解释
#********** Begin **********#
#1.导入pandas包
#2.read_excel()函数读取“一、车次上车人数统计表.xlsx”中的数据,用一个数据框df1来存储,并输出第0行
#3.通过read_table()函数可以读取"txt1.txt"文件中的数据(不带表头),用一个数据框df2来表示,并输出第0行
#4.通过read_csv()函数读取用分块读取的方式读取“data.csv”文件,每次读取20000行,并输出每次读取的数据集行数
#5.输出格式为“第n次读取数据规模为:20000 /n (20000, 行数)”
#在函数中编写程序
def return_values():
# 导入pandas库并为其设置别名pd
import pandas as pd
# 使用pandas的read_excel函数读取Excel文件
df1 = pd.read_excel('一、车次上车人数统计表.xlsx')
#使用pandas的read_table函数读取txt文件
df2 = pd.read_table('txt1.txt',header=None)
# 使用pandas的read_csv函数,并通过chunksize参数设置分块大小
reader = pd.read_csv('data.csv',chunksize=20000)
k=0;
names = locals()#设置全局变量
for i in reader:
k=k+1
names['A%s'%k]=pd.DataFrame(i)#创建A1~Ak个变量,分别保存各分块
print('第'+str(k)+'次读取数据规模为: ',len(i))
print(i.shape)
#********** End **********#
第3关逻辑索引、切片方法,groupby 分组计算函数应用
代码+解释
#********** Begin **********#
#本关任务:
#请读取地铁站点进出站客流数据表(Data.xlsx),表结构字段如下:
# 站点编号、日期、时刻、进站人数、出站人数
#完成以下任务:
#1)取出第0列,通过去重的方式获得地铁站点编号列表,记为code
#2)采用数据框中的groupby分组计算函数,统计出每个地铁站点每天的进站人数和出站人数,
# 计算结果采用一个数据框sat_num来表示,其中列标签依次为:站点编号、日期、进站人数和出站人数;
#3)计算出每个站点国庆节期间(10.1~10.7)的进站人数和出站人数,
# 计算结果用一个数据框sat_num2来表示,其中列标签依次为:A1_站点编号、A2_进站人数、A3_出站人数。
def return_values():
# 导入pandas包
import pandas as pd
# 读取Excel文件中的数据,并赋值给DataFrame A
A = pd.read_excel('Data.xlsx')
# 获取'站点编号'列中唯一的站点编号列表,并赋值给code
code = list(A['站点编号'].unique())
# 使用groupby按'站点编号'和'日期'对数据进行分组,并计算每个组的'进站人数'和'出站人数'的总和
B = A.groupby(['站点编号','日期']).sum()
# 获取分组后的索引列表(包含站点编号和日期的元组),并赋值给c
c = list(B.index)
# 初始化两个空列表A1和A2,用于存储站点编号和日期
A1 = []
A2 = []
# 遍历索引列表c,将站点编号和日期分别添加到A1和A2中
for i in range(len(c)):
r = c[i]
A1.append(r[0])
A2.append(r[1])
# 创建一个新的DataFrame sat_num,包含'A1_站点编号'、'A2_日期'、'A3_进站人数'和'A4_出站人数'列
sat_num = pd.DataFrame({'A1_站点编号': A1, 'A2_日期': A2, 'A3_进站人数': B['进站人数'].values, 'A4_出站人数': B['出站人数'].values})
# 使用iloc筛选sat_num中日期小于等于'2015-10-07'的行
D = sat_num.iloc[sat_num['A2_日期'].values <= '2015-10-07', :]
# 对筛选后的DataFrame D按'A1_站点编号'进行分组,并计算每个组的'A3_进站人数'和'A4_出站人数'的总和
D1 = D.groupby(['A1_站点编号']).sum()
# 创建一个新的DataFrame sat_num2,包含'A1_站点编号'、'A2_进站人数'和'A3_出站人数'列
sat_num2 = pd.DataFrame({'A1_站点编号': list(D1.index), 'A2_进站人数': D1['A3_进站人数'].values, 'A3_出站人数': D1['A4_出站人数'].values})
# 返回站点编号列表code、完整的DataFrame sat_num和国庆节期间的进出站人数统计DataFrame sat_num2
return (code, sat_num, sat_num2)
#********** End **********#
第4关:数据框关联操作
代码+解释
#********** Begin **********#
def return_values():
# 导入pandas包
import pandas as pd
# 定义两个字典 dict1 和 dict2
dict1={'code':['A01','A01','A01','A02','A02','A02','A03','A03'],
'month':['01','02','03','01','02','03','01','02'],
'price':[10,12,13,15,17,20,10,9]}
dict2={'code':['A01','A01','A01','A02','A02','A02'],
'month':['01','02','03','01','02','03'],
'vol':[10000,10110,20000,10002,12000,21000]}
# 将两个字典转化为数据框;
dict1 = pd.DataFrame(dict1)
dict2 = pd.DataFrame(dict2)
# 对两个数据框完成内连接、左连接、右连接;
# 内连接:只返回两个DataFrame中都有的行
df_inner=pd.merge(dict1,dict2,how='inner',on=['code','month'])
# 左连接:返回左DataFrame(df1)的所有行,以及右DataFrame(df2)中匹配的行
df_left=pd.merge(dict1,dict2,how='left',on=['code','month'])
# 右连接:返回右DataFrame(df2)的所有行,以及左DataFrame(df1)中匹配的行
df_right=pd.merge(dict1,dict2,how='right',on=['code','month'])
# 返回三个连接后的DataFrame
return(df_inner,df_left,df_right)
#********** End **********#
第5关数据框合并操作
代码+解释
#********** Begin **********#
def return_values():
# 导入pandas包
import pandas as pd
import numpy as np
# 定义三个字典dict1、dict2和dict3
dict1={'a':[2,2,'kt',6],'b':[4,6,7,8],'c':[6,5,np.nan,6]}
dict2={'d':[8,9,10,11],'e':['p',16,10,8]}
dict3={'a':[1,2],'b':[2,3],'c':[3,4],'d':[4,5],'e':[5,6]}
# 将三个字典转化为数据框df1、df2、df3;
df1 = pd.DataFrame(dict1)
df2 = pd.DataFrame(dict2)
df3 = pd.DataFrame(dict3)
# df1和df2进行水平合并,合并后的数据框记为df4;
df4 = pd.concat([df1,df2],axis=1)
# df3和df4垂直合并,并修改合并后的index为按默认顺序排列,修改合并后的数据框记为df5
df5 = pd.concat([df3,df4],axis=0)
return(df4,df5)
#********** End **********#
第6关序列
代码+解释
#********** Begin **********#
def return_values():
# 导入pandas包
import pandas as pd
# 定义列表L
L=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]
# 把列表L转化为序列S
S = pd.Series(L)
# 针对S实现周期为10的移动求和、求平均值、求最大值、求最小值的计算
Sum = S.rolling(10).sum()
mean = S.rolling(10).mean()
max1 = S.rolling(10).max()
min1 = S.rolling(10).min()
return(L,S,Sum)
#********** End **********#
第7关数据框切片(iloc、loc)方法移动计算方法应用
代码+解释
#********** Begin **********#
#1、导入pdndas包
#2、读取地铁站点进出站客流数据表(Data.xlsx),字段依次为:
# 站点编号、日期、时刻、进站人数、出站人数
#3、采用索引(iloc)实现的方式,获取135站点
# 10月1日-10月2日早上9-11点3个时刻的进站客流量数据(取所有字段),记为A
#4、采用列标签(loc)实现方式,获取135站点
# 10月1日-10月2日早上9-11点3个时刻的进站客流量数据(取所有字段),记为B。
def return_values():
# 导入pandas包
import pandas as pd
# 读取名为'Data.xlsx'的Excel文件到DataFrame read中
read = pd.read_excel('Data.xlsx')
# 使用.loc方法根据'站点编号'列的值等于135来筛选DataFrame,得到zhandian
zhandian = read.iloc[read['站点编号'].values==135,:]
# 在zhandian DataFrame中,根据'日期'列的值小于'2015-10-03'来进一步筛选,得到riqi
riqi = zhandian.iloc[zhandian['日期'].values<'2015-10-03',:]
# 在riqi DataFrame中,根据'时刻'列的值大于等于9来筛选,得到shike
shike = riqi.iloc[riqi['时刻'].values>=9,:]
# 在shike DataFrame中,根据'时刻'列的值小于等于11来筛选,得到shike1
shike1 = shike.iloc[shike['时刻'].values<=11,:]
A1 = read['站点编号'].values==135
A2 = read['日期'].values<'2015-10-03'
A3 = read['时刻'].values>=9
A4 = read['时刻'].values<=11
# 使用链式条件筛选,直接得到满足所有条件的DataFrame A
A = read.iloc[A1&A2&A3&A4,[0,1,2,3]]
# 使用与A相同的条件,但这次使用.loc方法分步筛选,得到B
B = read.loc[A1&A2&A3&A4,:]
# 返回A和B两个DataFrame
return(A,B)
#********** End **********#