Datawhale 12 月组队学习笔记（十一）：pandas综合练习

练习四：

import pandas as pd
df = pd.read_table("benchmark.txt",header=None)
pat1 = 'Benchmarking (\w+)(\w+) precision type (\w+)'
pat2 = '(\w+) model average (\w+) time : (.+)ms'
bench_info=df[0].str.extract(pat1).rename(columns={0:'type_x', 1:'precision', 2:'model_name_x'}).dropna().reset_index(drop=True)
print(bench_info)

练习五：

import pandas as pd
df1 = pd.read_csv('yali18.csv')
df2 = pd.read_csv('yali19.csv')
df3 = pd.read_csv('qx1819.csv')
print(df3)
group = pd.Series(pd.timedelta_range('00:00:00','23:00:00', periods=24))#平均分为24个组
df_melted1 = df1.melt(id_vars = ['Time', 'MeasName'],var_name = '时间',value_name = '压力')#value_正则化匹配
time = df_melted1['时间'].unique()
df_melted1['时间'] = df_melted1['时间'].replace(time, group)
df_melted1['Time'] = pd.to_datetime(df_melted1['Time'],format='%Y\\%m\\%d')
df_melted1['时间'] = pd.to_timedelta(df_melted1.时间)
df_melted1['Time'] = df_melted1['Time'] +df_melted1['时间']
df_melted2 = df2.melt(id_vars = ['Time', 'MeasName'],var_name = '时间',value_name = '压力')#value_正则化匹配
time = df_melted2['时间'].unique()
df_melted2['时间'] = df_melted2['时间'].replace(time, group)
df_melted2['Time'] = pd.to_datetime(df_melted2['Time'],format='%Y\\%m\\%d')
df_melted2['时间'] = pd.to_timedelta(df_melted2.时间)
df_melted2['Time'] = df_melted2['Time'] +df_melted2['时间']
# print(df_melted1)
# print(df_melted2)
dft = pd.concat([df_melted1, df_melted2], 0)
dftd = dft.drop(['时间'],axis=1)
dftd = dftd.set_index('Time', append=False)
#链接
# 1.当天最高温、最低温和它们的温差
# 正则化识别df3最高温和最低温
dff = df3['气温'].str.split('[C|℃～C|℃]',expand=True)
dffd = dff.drop([1,3], axis=1)#删除无用列
df3 = pd.concat([df3, dffd], 1)#直接行方向连接入表df3

# # 2.当天是否有沙暴、是否有雾、是否有雨、是否有雪、是否为晴天
df3['沙'] = df3['天气'].str.contains('\w沙')
# print(df3bool.sum())#查看是否有值
df3['雾'] = df3['天气'].str.contains('\w雾')
df3['雨'] = df3['天气'].str.contains('\w雨')
df3['雪'] = df3['天气'].str.contains('\w雪')
df3['晴'] = df3['天气'].str.contains('\w晴')
print(df3)
# 选择一种合适的方法度量雨量/下雪量的大小（构造两个序列分别表示二者大小）