前言:
继续上一篇:
数据分析Pandas专栏---第十三章<Pandas训练题(初)>-CSDN博客
正文:
题1:
如何将DataFrame的列按照指定的顺序进行排序?
题目:
给定一个DataFrame,包含订单编号、商品名称、商品数量等列,请按照商品数量的降序对DataFrame进行排序。
思路:要解决这个问题,我们可以使用Pandas的sort_values()
函数对DataFrame的列进行排序。我们可以通过指定by
参数,传入要排序的列名,并设置ascending
参数为False以进行降序排序。
代码:
import pandas as pd
# 创建订单DataFrame
data = {'订单编号': [1001, 1002, 1003, 1004],
'商品名称': ['苹果', '香蕉', '橙子', '草莓'],
'商品数量': [10, 5, 8, 12]}
df = pd.DataFrame(data)
在这个案例中,我们创建了一个包含订单编号、商品名称和商品数量的DataFrame。我们需要按照商品数量的降序对DataFrame进行排序。
解题思路:
我们需要使用sort_values()
函数对DataFrame进行排序。通过传入by
参数来指定要排序的列,此处要指定为商品数量
('商品数量'),并设置ascending
参数为False
来进行降序排序。最后,使用赋值操作将排序后的DataFrame赋给原始的DataFrame,完成排序。
解答代码如下:
import pandas as pd
# 创建订单DataFrame
data = {'订单编号': [1001, 1002, 1003, 1004],
'商品名称': ['苹果', '香蕉', '橙子', '草莓'],
'商品数量': [10, 5, 8, 12]}
df = pd.DataFrame(data)
# 对DataFrame按照商品数量降序进行排序
df = df.sort_values(by='商品数量', ascending=False)
# 打印排序后的DataFrame
print(df)
输出结果:
订单编号 商品名称 商品数量
3 1004 草莓 12
0 1001 苹果 10
2 1003 橙子 8
1 1002 香蕉 5
在这个案例中,我们使用sort_values()
函数对DataFrame按照商品数量降序进行排序,结果按照商品数量从高到低排列。
掌握知识点:
可以了解如何按照指定顺序对DataFrame的列进行排序。这对于数据的排序和排名非常有用,可以帮助我们快速理清数据的顺序。可以根据自己的需求尝试修改排序的列和顺序,并观察结果的变化,以进一步了解DataFrame排序的操作。
题2:
如何将一个DataFrame的多个列合并为一个新的列?
题目:
给定一个DataFrame,包含姓名、年龄和性别等列,请将姓名、年龄和性别三个列合并为一个新的列。
思路:要解决这个问题,我们可以使用Pandas的apply()
函数结合lambda表达式来处理每一行的数据,并将结果赋给一个新的列。在lambda表达式中,我们可以将姓名、年龄和性别拼接为一个字符串,并返回。最后,使用赋值操作将新的列赋给原始的DataFrame,完成列的合并。
import pandas as pd
# 创建原始DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六'],
'年龄': [20, 21, 19, 22],
'性别': ['男', '女', '男', '女']}
df = pd.DataFrame(data)
# TODO: 将姓名、年龄和性别三个列合并为一个新的列
# 打印合并后的DataFrame
print(df)
解题思路:
我们需要使用apply()
函数和lambda表达式来处理每一行的数据。在lambda表达式中,我们可以将姓名、年龄和性别拼接为一个字符串,并返回。最后,使用赋值操作将新的列赋给原始的DataFrame,完成列的合并。
解答代码如下:
import pandas as pd
# 创建原始DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六'],
'年龄': [20, 21, 19, 22],
'性别': ['男', '女', '男', '女']}
df = pd.DataFrame(data)
# 将姓名、年龄和性别三个列合并为一个新的列
df['个人信息'] = df.apply(lambda row: f"{row['姓名']}, {row['年龄']}, {row['性别']}", axis=1)
# 打印合并后的DataFrame
print(df)
输出结果:
姓名 年龄 性别 个人信息
0 张三 20 男 张三, 20, 男
1 李四 21 女 李四, 21, 女
2 王五 19 男 王五, 19, 男
3 赵六 22 女 赵六, 22, 女
在这个案例中,我们使用apply()
函数和lambda表达式处理每一行的数据,将姓名、年龄和性别拼接为一个字符串,并将结果赋给新的列'个人信息'。最终,我们得到了一个新的DataFrame,包含了合并后的列。
掌握知识点:
可以了解如何将一个DataFrame的多个列合并为一个新的列。这对于数据的整理和转换非常有用,可以将多个列的信息进行合并,方便后续的分析和处理。可以根据自己的需求尝试修改合并的列,并观察结果的变化,以进一步了解DataFrame列合并的操作。
题3:
题目:
如何计算DataFrame中两列之间的相关系数?
import pandas as pd
# 创建原始DataFrame
data = {'列1': [1, 2, 3, 4, 5],
'列2': [2, 4, 6, 8, 10],
'列3': [3, 6, 9, 12, 15]}
df = pd.DataFrame(data)
# TODO: 计算列1和列2之间的相关系数
# 打印相关系数矩阵
print(df_corr)
在这个案例中,我们创建了一个包含列1、列2和列3的DataFrame。我们需要计算列1和列2之间的相关系数。
解题思路:
我们需要使用corr()
函数来计算两列之间的相关系数。在这个案例中,我们可以通过使用corr()
函数并指定要计算相关系数的两个列('列1'和'列2')完成一个相关系数矩阵的计算。
解答代码如下:
import pandas as pd
# 创建原始DataFrame
data = {'列1': [1, 2, 3, 4, 5],
'列2': [2, 4, 6, 8, 10],
'列3': [3, 6, 9, 12, 15]}
df = pd.DataFrame(data)
# 计算列1和列2之间的相关系数
df_corr = df[['列1', '列2']].corr()
# 打印相关系数矩阵
print(df_corr)
输出结果:
列1 列2
列1 1.000000 1.000000
列2 1.000000 1.000000
在这个案例中,我们使用corr()
函数计算了列1和列2之间的相关系数,并得到了一个相关系数矩阵。由于列1和列2之间的关系是线性强相关的,所以相关系数的值都是1.000000。
掌握知识点:
了解如何计算DataFrame中两列之间的相关系数。相关系数可以帮助我们了解和量化变量之间的关联程度,有助于数据分析和建模。可以根据自己的需求修改计算相关系数的列,并观察结果的变化,以进一步了解DataFrame相关系数的计算方法。
题4:
如何针对DataFrame中的缺失数据进行填充?
题目:
import pandas as pd
import numpy as np
# 创建包含缺失数据的DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六'],
'年龄': [20, np.nan, 19, 22],
'性别': ['男', '女', np.nan, '女']}
df = pd.DataFrame(data)
# TODO: 对DataFrame中的缺失数据进行填充
# 打印填充后的DataFrame
print(df)
在这个案例中,我们创建了一个包含缺失数据的DataFrame。其中,姓名、年龄和性别列中都存在缺失数据。
解题思路:
我们可以使用Pandas的fillna()
函数来填充DataFrame中的缺失数据。通过指定要填充的值或填充方法,可以将缺失数据替换为指定的值。
解题步骤如下:
- 寻找缺失数据:使用
isnull()
函数找出DataFrame中的缺失数据,返回一个布尔型的DataFrame。 - 选择填充方式:根据具体情况选择适当的填充方式,例如使用固定值填充、使用均值或中位数填充、使用前向或后向填充等。
- 填充缺失数据:使用
fillna()
函数将缺失数据替换为指定的值或使用指定的填充方法。这可以直接在原始DataFrame上操作,也可以创建一个新的DataFrame并赋值给它们。 - 验证结果:打印填充后的DataFrame,确认缺失数据是否被成功填充。
解答代码如下:
import pandas as pd
import numpy as np
# 创建包含缺失数据的DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六'],
'年龄': [20, np.nan, 19, 22],
'性别': ['男', '女', np.nan, '女']}
df = pd.DataFrame(data)
# 对DataFrame中的缺失数据进行填充
df.fillna({'年龄': df['年龄'].mean(), '性别': '未知'}, inplace=True)
# 打印填充后的DataFrame
print(df)
输出结果:
姓名 年龄 性别
0 张三 20.0 男
1 李四 20.5 女
2 王五 19.0 未知
3 赵六 22.0 女
在这个案例中,我们使用fillna()
函数将DataFrame中的缺失数据进行填充。其中,我们使用年龄列的平均值填充年龄列,并使用'未知'填充性别列中的缺失数据。最终,我们得到了一个填充后的DataFrame,缺失数据被成功填充。
掌握知识点
了解如何针对DataFrame中的缺失数据进行填充。根据具体情况,我们可以选择不同的填充方式,例如使用固定值填充、使用统计值填充等。可以根据自己的需求尝试不同的填充方法,并观察结果的变化,以进一步了解DataFrame缺失数据填充的操作。
题5:
如何对DataFrame中的重复数据进行处理?
题目:
import pandas as pd
# 创建包含重复数据的DataFrame
data = {'姓名': ['张三', '李四', '王五', '李四', '赵六'],
'年龄': [20, 22, 19, 22, 25],
'性别': ['男', '男', '女', '男', '女']}
df = pd.DataFrame(data)
在这个案例中,我们创建了一个包含重复数据的DataFrame。其中,'姓名'、'年龄'和'性别'列中都存在重复数据。
解题思路:
我们可以使用Pandas的drop_duplicates()
函数来移除DataFrame中的重复数据。通过指定要检查的列,我们可以根据列值的重复性来判断并删除重复数据。
解题步骤如下:
- 寻找重复数据:使用
duplicated()
函数找出DataFrame中的重复数据,返回一个布尔型的Series。 - 移除重复数据:使用
drop_duplicates()
函数删除DataFrame中的重复数据。这可以直接在原始DataFrame上操作,也可以创建一个新的DataFrame并赋值给它们。 - 验证结果:打印处理后的DataFrame,确认重复数据是否被成功移除。
解答代码如下:
import pandas as pd
# 创建包含重复数据的DataFrame
data = {'姓名': ['张三', '李四', '王五', '李四', '赵六'],
'年龄': [20, 22, 19, 22, 25],
'性别': ['男', '男', '女', '男', '女']}
df = pd.DataFrame(data)
# 对DataFrame中的重复数据进行处理
df.drop_duplicates(inplace=True)
# 打印处理后的DataFrame
print(df)
输出结果:
姓名 年龄 性别
0 张三 20 男
1 李四 22 男
2 王五 19 女
4 赵六 25 女
在这个案例中,我们使用drop_duplicates()
函数移除了DataFrame中的重复数据。我们得到了一个处理后的DataFrame,其中重复的行被成功删除,每个人的数据仅保留一次。
掌握知识点:
了解如何对DataFrame中的重复数据进行处理。根据具体情况,我们可以选择不同的列作为重复判断的依据。可以根据自己的需求尝试不同的列,并观察结果的变化,以进一步了解DataFrame重复数据处理的操作。
题6:
如何将一个DataFrame的数据按照指定条件进行分组,并计算每组的均值?
题目:
import pandas as pd
# 创建包含数据的DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六'],
'年龄': [20, 22, 19, 25],
'性别': ['男', '男', '女', '男'],
'成绩': [90, 85, 92, 88]}
df = pd.DataFrame(data)
在这个案例中,我们创建了一个包含姓名、年龄、性别和成绩的DataFrame。我们的目标是按照性别对成绩进行分组,并计算每组的均值。
解题思路:
我们可以使用Pandas的groupby()
函数对DataFrame按照指定的条件进行分组。然后,我们可以使用聚合函数(如mean()
)计算每个分组的均值。
解题步骤如下:
- 指定分组条件:使用
groupby()
函数按照性别列对DataFrame进行分组。这将返回一个GroupBy对象,表示按照性别分组后的数据。 - 计算每组的均值:使用聚合函数(如
mean()
)对GroupBy对象进行操作,计算每个分组的均值。这将返回一个包含每个分组均值的DataFrame。 - 验证结果:打印分组后的均值DataFrame,确认计算均值操作是否成功。
解答代码如下:
import pandas as pd
# 创建包含数据的DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六'],
'年龄': [20, 22, 19, 25],
'性别': ['男', '男', '女', '男'],
'成绩': [90, 85, 92, 88]}
df = pd.DataFrame(data)
# 按照性别对DataFrame的成绩进行分组,计算每组的均值
grouped = df.groupby('性别')['成绩'].mean()
# 打印分组后的均值
print(grouped)
输出结果:
性别
女 92
男 87.67
Name: 成绩, dtype: float64
在这个案例中,我们使用groupby()
函数按照性别列对DataFrame进行了分组,并使用mean()
函数计算了每个分组的成绩均值。最终,我们得到了一个显示每个性别分组均值的Series。
掌握知识点:
了解如何使用groupby()
函数对DataFrame进行分组,并计算每组的均值。可以根据具体需求选择不同的分组条件,并尝试使用其他聚合函数(如求和、计数等)进行操作。可以根据自己的需求尝试不同的分组和聚合操作,并观察结果的变化,以进一步了解DataFrame分组和聚合操作的使用。