【练习-pandas新手入门】和鲸社区Numpy+Pandas数据处理·闯关-关卡2-Pandas数据框操作及数据提取

题目描述

STEP1: 按照下列要求完成各题目

# 由于随机数的存在会影响最终提交的文件，所以这里重新读取数据

# 读取pandas120数据文件

df = pd.read_excel('/home/mw/input/pandas1206855/pandas120.xlsx')

df.head()

问题1：提取学历为本科，工资在25k-35k的数据

问题2：提取salary列中以'40k'结尾的数据

问题3：提取薪资区间中最低薪资与最高薪资的平均值大于30k的行，只需提取原始字段('createTime', 'education', 'salary')即可

思考一下再来作答吧！

解答过程-代码

#[17]问题1
df1 = df[(df['education'] == '本科') & (df['salary'] == '25k-35k')]
df1

#[19]问题2
df2 = df[df['salary'].str.endswith('40k')]
df2

#[20]问题3

# 将薪资区间转换为最低薪资和最高薪资的数值列
df['min_salary'] = df['salary'].str.extract('(\d+)k-\d+k').astype(float)  #'(\d+)k-\d+k'解释：括号（）内为要取的值；\d表示数字，\d+表示多个数字；'k-''k'匹配字符串中'k-''k'
df['max_salary'] = df['salary'].str.extract('\d+k-(\d+)k').astype(float)  #str.extract() 是 pandas Series 对象上的一个方法，用于从每个字符串中提取匹配给定正则表达式的第一个子串

# 计算最低薪资与最高薪资的平均值大于30k的行
df3 = df[(df['min_salary'] + df['max_salary']) / 2 > 30]

# 选择'createTime', 'education', 'salary'这三个字段
df3 = df3[['createTime', 'education', 'salary']]


df3 

4.将以上三题提取出来的行按照相同列进行合并，汇总到一个数据框中；

5. 将三列数据合并成一列，并设置列名为answer，最后保留id(数据行数、answer)

#[21]原文代码，不用改
answer_2 = pd.concat([df1, df2, df3], axis=0) 
'''
pd.concat() 是 pandas 库中的一个函数，用于沿着一个轴将多个 DataFrame 或 Series 连接在一起。
在这里，pd.concat([df1, df2, df3], axis=0) 将 df1、df2 和 df3 这三个 DataFrame 沿着轴 0（行轴）连接在一起。
'''
answer_2


#[22] 也不用改动
data = pd.concat([answer_2.iloc[:,0],answer_2.iloc[:,1],answer_2.iloc[:,2]])
df = pd.DataFrame(data, columns=['answer'])
df['id'] = range(len(df))
df = df[['id', 'answer']]
df

6.依次执行step2后面的部分，记得把token码换成自己的！