pandas学习笔记-第10章-综合练习

第一步导入所需的库

一、评委打分

某比赛有1000名选手，300位评委打分，每个选手由三个不同的评委打分，每位评委打10位选手的分

现在需要将各个评委的编号转到列索引，行索引不变，表格内容为打分分数，缺失值（即选手i没有被评委j打分）用’-'填充

二、企业收入熵指数

一个企业的产业多元化水平可以由收入熵指数计算衡量，其公式为−Σ𝑃 𝑖 ln𝑃 𝑖
−ΣPiln⁡Pi
，其中i表示第i个收入类型，𝑃 𝑖
Pi
表示该类型收入额所占整个收入额的比重（因此Σ𝑃 𝑖 =1
ΣPi=1
），现在需要对Company.csv中的公司计算它们的年度收入熵，需要利用Company_data.csv中不同收入类型销售额的数据（证券代码都是六位，第一列数字需要补零），请计算结果并保存到data文件夹下
注意：不是所有要求计算的公司都会在data文件中出现，反之亦然；某公司某年的数据若含有缺失值，请基于收入熵公式选择一种合理的计算方式

三、端午节的淘宝粽子交易

问题
（1）请删除最后一列为缺失值的行，并求所有在杭州发货的商品单价均值。
（2）商品标题带有“嘉兴”但发货地却不在嘉兴的商品有多少条记录？
（3）请按照分位数将价格分为“高、较高、中、较低、低”5个类别，再将类别结果插入到标题一列之后，最后对类别列进行降序排序。
（4）付款人数一栏有缺失值吗？若有则请利用上一问的分类结果对这些缺失值进行合理估计并填充。
（5）请将数据后四列合并为如下格式的Series：商品发货地为xx，店铺为xx，共计x×人付款，单价为xx。
（6）请将上一问中的结果恢复成原来的四列。
（1）请删除最后一列为缺失值的行，并求所有在杭州发货的商品单价均值。




（2）商品标题带有“嘉兴”但发货地却不在嘉兴的商品有多少条记录？

（3）请按照分位数将价格分为“高、较高、中、较低、低”5个类别，再将类别结果插入到标题一列之后，最后对类别列进行降序排序


（4）付款人数一栏有缺失值吗？若有则请利用上一问的分类结果对这些缺失值进行合理估计并填充。

# 情况二: 没有包括万的, 使用"人付款"分割,再去掉空格,再去掉包括加号的.
s42 = s4[[ idx for idx in s4.index if idx not in  s41.index]].str.split('人付款',expand=True)[0].str.replace(r'\s+','').str.replace(r'+','').astype('int')
s42

（5）请将数据后四列合并为如下格式的Series：商品发货地为xx，店铺为xx，共计x×人付款，单价为xx。


(6) 请将上一问中的结果恢复成原来的四列。

四、墨尔本每日最低温度

1. 剔除国庆节、五一劳动节和每月第一个周一，求每月的平均最低气温
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   

五、2016年8月上海市摩拜单车骑行记录

问题
（1）平均而言，周末单天用车量比工作日单天用车量更大吗？
（2）工作日每天的高峰时间段大致为上午7：30至9：30、下午17：00至19：00，请问8月里早高峰骑行记录量（以start_time为准）高于晚高峰的有几天？
（3）请给出在所有周五中（以start_time为准），记录条数最多的那个周五所在的日期，并在该天内分别按30分钟、2小时、6小时统计摩拜单车使用时间的均值。
（4）请自行搜索相关代码或调用库，计算每条记录起点到终点的球面距离。
（5）摩拜单车的骑行结束时间是以电子锁关闭的记录时间为准，但有时候用户会忘记关锁，导致骑行时间出现异常。同时，正常人的骑行速度往往大致落在一个合理的区间，请结合上一问中的球面距离和骑行起始、结束时间，找出潜在的异常骑行记录。
（6）由于路线的曲折性，起点到终点的球面距离往往不能充分反应行程长度，请利用track列的路线坐标数据，计算估计实际骑行距离，并重新仿照上一问的方法找出可能的异常记录。













参考网址：
https://github.com/flashriver/joyfull_pandas/blob/master/exercise_2.ipynb
https://github.com/ZLFlyApple/DW-Teamlearning-note/blob/master/Pandas_note_Task10.ipynb