import numpy as np
import pandas as pd
path = '../../data/exercise_data/US_Crime_Rates_1960_2014.csv'
# 展示被省略的列
pd.set_option('display.max_columns', 12)
crime = pd.read_csv(path)
# print(crime.head())
# 每一列(column)的数据类型是什么样的?
# print(crime.info())
# 将Year的数据类型转换为 datetime64
crime.Year = pd.to_datetime(crime.Year, format='%Y')
# print(crime.info())
# 将列Year设置为数据框的索引
crime = crime.set_index('Year', drop=True)
# print(crime.head())
# 删除名为Total的列
del crime['Total']
# print(crime.head())
# 按照Year对数据框进行分组并求和
# print(crime.groupby('Year').sum())
# 更多关于 .resample 的介绍
# (https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.resample.html)
# 更多关于 Offset Aliases的介绍
# (http://pandas.pydata.org/pandas-docs/stable/timeseries.html#offset-aliases)
# 运行以下代码
# resample a time series per decades
crimes = crime.resample('10AS').sum()
# 用resample去得到“Population”列的最大值
population = crime['Population'].resample('10AS').max()
# 更新 "Population"
crimes['Population'] = population
# print(crimes)
# 何时是美国历史上生存最危险的年代
print(crime.idxmax(0))
数据分析Pandas练习题四:Apply函数
最新推荐文章于 2024-10-18 00:00:00 发布
本文详细探讨了Pandas库中Apply函数的使用,通过实例解析了如何利用Apply进行数据处理和转换,包括列操作、行级操作及自定义函数的应用,帮助提升数据分析效率。
摘要由CSDN通过智能技术生成