Pandas编程作业实验报告（二）

实验要求：

1. 从“国民经济核算季度数据.npz”文件（在matplotlib作业中已经给出）中读取2000年第一季度到2017年第一季度的所有数据并存储在ndarray对象中。

   • 创建一个DataFrame对象，其数值数组不包含原ndarray对象的第0列和最后一行数据（即不包含“序号”那一列数据和“2017年第一季度”那一行数据）；其列索引为：[‘时间’, ‘GDP’, ‘一产’, ‘二产’, ‘三产’, ‘农业’, ‘工业’, ‘建筑’, ‘批发’, ‘交通’, ‘餐饮’, ‘金融’, ‘房地产’, ‘其他’]；

   • 按“年份”分组（需提取“时间”那一列数据中包含的“年份”信息）。在此基础上，计算每年总的GDP，三个产业以及各行业的全年GDP；（“年份”的跨度为：2000～2016年。或许在这一步，你能用上df.astype()函数呦！）

   • 在每个年份上，计算三个产业的全年GDP之和以及各行业的全年GDP之和；并分别以“产业GDP之和”和“行业GDP之和”为列索引名将计算结果添加到对应的DataFrame对象中。

   • 在每个年份上，分别计算“产业GDP之和”之于年“GDP”（年“GDP”就是第(2)小题所说的每年总的GDP，也就是每年4个季度的GDP之和）以及“行业GDP之和”之于年“GDP”的相对误差，计算公式为（以“产业……”为例）：
     (“产业GDP之和”-“GDP”)/“GDP”
     然后，分别以“产业之和的误差”和“行业之和的误差”为列索引名将计算结果添加到对应的DataFrame对象中；

   • 抽取并输出“GDP”，“产业GDP之和”，“产业之和的误差”，“行业GDP之和”，“行业之和的误差”这几列数据，其部分显示结果如下所示：

     年份	GDP	产业GDP之和	产业之和的误差	行业GDP之和	行业之和的误差
     2000	100280.1	100280.0	-9.972068e-07	100280.0	-9.972068e-07
     2001	110863.1	110863.1	0.000000e+00	110863.1	0.000000e+00
     2002	121717.4	121717.4	-1.195549e-16	121717.5	8.215752e-07
     …	…	…	…	…	…
     2015	689052.0	689052.2	2.902539e-07	689051.9	-1.451269e-07
     2016	744127.2	744127.3	1.343856e-07	744127.2	0.000000e+00

     仔细看看是不是所有误差都在万分之一以内，并以此来判定“国民经济核算季度数据.npz”文件 中的数据是不是“有效”的；

   • 如果数据是有效的，将第(2)小题分组计算所得的DataFrame对象的行索引命名为“年份”。然后再将该数据（包括行索引和列索引）存储在“GDP年度数据.csv”文件中。

2. “mtcars.csv”文件中存储了某些汽车型号的特征数据，包括name(汽车型号)，cyl(汽缸数)，carb(化油器)，mpg(油耗)，hp(马力)等特征。
   • 使用pandas读取mtcars数据集，输出数据集的大小（shape）；
   • 抽取并输出5个数值型特征的描述性统计信息，自行解释这些数据的含义；
   • 按cyl和carb进行分组，计算并输出hp列每个分组所包含的有效数据的个数、每个分组的最大马力、每个分组的最小马力以及mpg列每个分组所包含的有效数据的个数、每个分组的平均油耗。

实验内容：

1. • 导入numpy和pandas库

   import numpy as np
   import pandas as pd
   

   • 导入数据

   data = np.load(r"C:\Users\LCX\Documents\python\data\国民经济核算季度数据.npz",allow_pickle=True)
   values = data['values']
   

   • 创建dataframe对象，去除最后一行和第一列，加入列索引

   columns = ['时间', 'GDP', '一产', '二产', '三产', '农业', '工业',