本文约5800字,建议阅读15分钟。
本文为你介绍Pandas基础、Pandas数据处理、金融数据处理等方面的一些习题。
Pandas 是基于 NumPy 的一种数据处理工具,该工具为了解决数据分析任务而创建。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的函数和方法。 和鲸社区的刘早起创作了这个项目,其中包含Pandas基础、Pandas数据处理、金融数据处理、当Pandas遇上NumPy、补充内容 5个部分。在深度和广度上,都相较之前的Pandas习题系列有了很大的提升。此前的Pandas系列文章:
10套练习,教你如何用Pandas做数据分析
50道练习带你玩转Pandas
给Excel重度用户准备的Pandas教程:用Pandas逐帧还原20个Excel常用操作
以上3套,再加上现在这篇,各种姿势,各种体位基本都已经集齐了
![565cc1056b3c9c1c52872ffd75989688.png](https://i-blog.csdnimg.cn/blog_migrate/861ffb23d94b3bc5825ea9cebe69ed9c.jpeg)
希望榨干我一个,满足大家所有人,靴靴
![59bb22fc2a7011c6a6bacf36d5b7fe87.png](https://i-blog.csdnimg.cn/blog_migrate/413b57d8076099b96e7e510e492a889c.png)
Part 1 Pandas基础
1.将下面的字典创建为DataFramedata = {
"grammer":["Python","C","Java","GO",np.nan,"SQL","PHP","Python"],"score":[1,2,np.nan,4,5,6,7,10]}
df = pd.DataFrame(data)
df
2.提取含有字符串"Python"的行
#方法一
df[df['grammer'] == 'Python']#方法二
results = df['grammer'].str.contains("Python")
results.fillna(value=False,inplace = True)
df[results]
3.输出df的所有列名
print(df.columns)
4.修改第二列列名为'popularity'
df.rename(columns={
'score':'popularity'}, inplace = True)
df
5.统计grammer列中每种编程语言出现的次数
df['grammer'].value_counts()
6.将空值用上下值的平均值填充
df['popularity'] = df['popularity'].fillna(df['popularity'].interpolate())
df
7.提取popularity列中值大于3的行
df[df['popularity'] > 3]
8.按照grammer列进行去除重复值
df.drop_duplicates(['grammer'])
9.计算popularity列平均值
df['popularity'].mean()
10.将grammer列转换为list
df['grammer'].to_list()
11.将DataFrame保存为EXCEL
df.to_excel('test.xlsx')
12.查看数据行列数
df.shape
13.提取popularity列值大于3小于7的行
df[(df['popularity'] > 3) & (df['popularity'] 7)]
14.交换两列位置
# 方法1
temp = df['popularity']
df.drop(labels=['popularity'], axis=1,inplace = True)
df.insert(0, 'popularity', temp)
df# 方法2
cols = df.columns[[1,0]]
df = df[cols]
df
15.提取popularity列最大值所在行
df[df['popularity'] == df['popularity'].max()]
16.查看最后5行数据
df.tail()
17.删除最后一行数据
df.drop([len(df)-1],inplace=True)
df
18.添加一行数据['Perl',6.6]
row={
'grammer':'Perl','popularity':6.6}
df = df.append(row,ignore_index=True)
df
19.对数据按照"popularity"列值的大小进行排序