玩转数据处理120题｜Pandas版本

Pandas进阶修炼120题系列一共涵盖了数据处理、计算、可视化等常用操作，希望通过120道精心挑选的习题吃透pandas。并且针对部分习题给出了 多种解法与注解 ，动手敲一遍代码一定会让你有所收获！

1

创建DataFrame

题目 ：将下面的字典创建为DataFrame

data = {"grammer":["Python","C","Java","GO",np.nan,"SQL","PHP","Python"],
"score":[1,2,np.nan,4,5,6,7,10]}

难度 ：:star:

期望结果

Python解法

import numpy as np
import pandas as pd
df = pd.DataFrame(data)

# 假如是直接创建
df = pd.DataFrame({
"grammer": ["Python","C","Java","GO",np.nan,"SQL","PHP","Python"],
"score": [1,2,np.nan,4,5,6,7,10]})

注：1-20题均基于该数据框给出

2

数据提取

题目 ：提取含有字符串 "Python" 的行

难度 ：:star::star:

期望结果

grammer  score
0 Python    1.0
7 Python   10.0

Python解法 ：

#> 1
df[df['grammer'] == 'Python']
#> 2
results = df['grammer'].str.contains("Python")
results.fillna(value=False,inplace = True)
df[results]

3

提取列名

题目 ：输出df的所有列名

难度 ： :star:

期望结果

Index(['grammer', 'score'], dtype='object')

Python解法

df.columns

4

修改列名

题目 ：修改第二列列名为 'popularity'

难度 ：:star::star:

Python解法

df.rename(columns={'score':'popularity'}, inplace = True)

5

字符统计

题目 ：统计 grammer 列中每种编程语言出现的次数

难度 ：:star::star:

Python解法

df['grammer'].value_counts()

6

缺失值处理

题目 ：将空值用上下值的平均值填充

难度 ： :star::star::star:

Python解法

# pandas里有一个插值方法，就是计算缺失值上下两数的均值
df['popularity'] = df['popularity'].fillna(df['popularity'].interpolate())

7

数据提取

题目 ：提取 popularity 列中值大于3的行

难度 ：:star::star:

Python解法

df[df['popularity'] > 3]

8

数据去重

题目 ：按照 grammer 列进行去重

难度 ： :star::star:

Python解法

df.drop_duplicates(['grammer'])

9

数据计算

题目 ：计算 popularity 列平均值

难度 ： :star::star:

Python解法

df['popularity'].mean()
# 4.75

10

格式转换

题目 ：将 grammer 列转换为list

难度 ： :star::star:

Python解法

df['grammer'].to_list()
# ['Python', 'C', 'Java', 'GO', nan, 'SQL', 'PHP', 'Python']

11

数据保存

题目 ：将DataFrame保存为EXCEL

难度 ： :star::star:

Python解法

df.to_excel('filename.xlsx')

12

数据查看

题目 ：查看数据行列数

难度 ： :star:

Python解法

df.shape
# (8, 2)

13

数据提取

题目 ：提取 popularity 列值大于3小于7的行

难度 ： :star::star:

Python解法

df[(df['popularity'] > 3) & (df['popularity'] < 7)]

14

位置处理

题目 ：交换两列位置

难度 ： :star::star::star:

Python解法

temp = df['popularity']
df.drop(labels=['popularity'], axis=1,inplace = True)
df.insert(0, 'popularity', temp)

15

数据提取

题目 ：提取 popularity 列最大值所在行

难度 ： :star::star:

Python解法

df[df['popularity'] == df['popularity'].max()]

16

数据查看

题目 ：查看最后5行数据

难度 ： :star:

Python解法

df.tail()

17

数据修改

题目 ：删除最后一行数据

难度 ： :star:

Python解法

df = df.drop(labels=df.shape[0]-1)

18

数据修改

题目 ：添加一行数据[ 'Perl' , 6.6]

难度 ： :star::star:

Python解法

row = {'grammer':'Perl','popularity':6.6}
df = df.append(row,ignore_index=True)

19

数据整理

题目 ：对数据按照 "popularity" 列值的大小进行排序

难度 ： :star::star:

Python解法

df.sort_values("popularity",inplace=True)

20

字符统计

题目 ：统计 grammer 列每个字符串的长度

难度 ： :star::star::star:

Python解法

df['grammer'] = df['grammer'].fillna('R')
df['len_str'] = df['grammer'].map(lambda x: len(x))

第二期：数据处理基础

21

数据读取

题目 ：读取本地EXCEL数据

难度 ： :star:

Python解法

import pandas as pd
import numpy as np
df = pd.read_excel(r'C:\Users\chenx\Documents\Data Analysis\pandas120.xlsx')

21—50部分习题与该数据相关

22

数据查看

题目 ：查看df数据前5行

难度 ： :star:

期望输出

Python解法

df.head()

23

数据计算

题目 ：将 salary 列数据转换为最大值与最小值的平均值

难度 ： :star::star::star::star:

期望输出

Python解法

# 方法一：apply + 自定义函数
def func(df):
    lst = df['salary'].split('-')
    smin = int(lst[0].strip('k'))
    smax = int(lst[1].strip('k'))
    df['salary'] = int((smin + smax) / 2 * 1000)
return df

df = df.apply(func,axis=1)
# 方法二：iterrows + 正则
import re
for index,row in df.iterrows():
    nums = re.findall('\d+',row[2])
    df.iloc[index,2] = int(eval(f'({nums[0]} + {nums[1]}) / 2 * 1000'))

24

数据分组

题目 ：将数据根据学历进行分组并计算平均薪资

难度 ： :star::star::star:

期望输出

educationsalary            
不限 19600.000000
大专 10000.000000
本科 19361.344538
硕士 20642.857143

Python解法

df.groupby('education').mean()

25

时间转换

题目 ：将 createTime 列时间转换为 月-日

难度 ： :star::star::star:

期望输出

Python解法

for index,row in df.iterrows():
   df.iloc[index,0] = df.iloc[index,0].to_pydatetime().strftime("%m-%d")

26

数据查看

题目 ：查看索引、数据类型和内存信息

难度 ： :star:

期望输出

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 135 entries, 0 to 134
Data columns (total 4 columns):
createTime 135 non-null object
education 135 non-null object
salary 135 non-null int64
categories 135 non-null category
dtypes: category(1), int64(1), object(2)
memory usage: 3.5+ KB

Python解法

df.info()

27

数据查看

题目 ：查看数值型列的汇总统计

难度 ： :star:

Python解法

df.describe()

R解法

summary(df)

28

数据整理

题目 ：新增一列根据salary将数据分为三组

难度 ： :star::star::star::star:

输入

期望输出

Python解法

bins = [0,5000, 20000, 50000]
group_names = ['低', '中', '高']
df['categories'] = pd.cut(df['salary'], bins, labels=group_names)

29

数据整理

题目 ：按照 salary 列对数据降序排列

难度 ： :star::star:

Python解法

df.sort_values('salary', ascending=False)

3 0

数据提取

题目 ：取出第33行数据

难度 ： :star::star:

Python解法

df.iloc[32]

31

数据计算

题目 ：计算 salary 列的中位数

难度 ： :star::star:

Python解法

np.median(df['salary'])
# 17500.0

32

数据可视化

题目 ：绘制薪资水平频率分布直方图

难度 ： :star::star::star:

期望输出

Python解法

# Jupyter运行matplotlib成像需要运行魔术命令
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False # 解决符号问题
import matplotlib.pyplot as plt
plt.hist(df.salary)

# 也可以用原生pandas方法绘图
df.salary.plot(kind='hist')

33

数据可视化

题目 ：绘制薪资水平密度曲线

难度 ： :star::star::star:

期望输出

Python解法

df.salary.plot(kind='kde',xlim = (0,70000))

34

数据删除

题目 ：删除最后一列 categories

难度 ： :star:

Python解法

del df['categories']
# 等价于
df.drop(columns=['categories'], inplace=True)

35

数据处理

题目 ：将df的第一列与第二列合并为新的一列

难度 ： :star::star:

Python解法

df['test'] = df['education'] + df['createTime']

36

数据处理

题目 ： 将education列 与salary列合并为新的一列

难度 ： :star::star::star:

备注： sala ry为int类型，操作与35题有所不同

Python解法

df["test1"] = df["salary"].map(str) + df['education']

37

数据计算

题目 ：计算salary最大值与最小值之差

难度 ： :star::star::star:

Python解法

df[['salary']].apply(lambda x: x.max() - x.min())
# salary 41500
# dtype: int64

38

数据处理

题目 ：将第一行与最后一行拼接

难度 ： :star::star:

Python解法

pd.concat([df[1:2], df[-1:]])

39

数据处理

题目 ：将第8行数据添加至末尾

难度 ： :star::star:

Python解法

df.append(df.iloc[7])

40

数据查看

题目 ：查看每列的数据类型

难度 ： :star:

期望结果

createTime object
education object
salary int64
test object
test1 object
dtype: object

Python解法

df.dtypes
# createTime object
# education object
# salary int64
# test object
# test1 object
# dtype: object

41

数据处理

题目 ：将 c r e a t e T i m e 列设置为索引

难度 ： :star::star:

Python解法

df.set_index("createTime")

42

数据创建

题目 ：生成一个和df长度相同的随机数dataframe

难度 ： :star::star:

Python解法

df1 = pd.DataFrame(pd.Series(np.random.randint(1, 10, 135)))

43

数据处理

题目 ：将上一题生成的dataframe与df合并

难度 ： :star::star:

Python解法

df= pd.concat([df,df1],axis=1)

44

数据计算

题目 ：生成新的一列 new 为 salary 列减去之前生成随机数列

难度 ： :star::star:

Python解法

df["new"] = df["salary"] - df[0]

45

缺失值处理

题目 ：检查数据中是否含有任何缺失值

难度 ： :star::star::star:

Python解法

df.isnull().values.any()
# False

46

数据转换

题目 ：将 salary 列类型转换为浮点数

难度 ： :star::star::star:

Python解法

df['salary'].astype(np.float64)

47

数据计算

题目 ：计算 salary 大于10000的次数

难度 ： :star::star:

Python解法

len(df[df['salary'] > 10000])
# 119

48

数据统计

题目 ：查看每种学历出现的次数

难度 ： :star::star::star:

期望输出

本科 119
硕士 7
不限 5
大专 4
Name: education, dtype: int64

Python解法

df.education.value_counts()

49

数据查看

题目 ：查看 education 列共有几种学历

难度 ： :star::star:

Python解法

df['education'].nunique()
# 4

50

数据提取

题目 ：提取 salary 与 new 列的和大于60000的最后3行

难度 ： :star::star::star::star:

期望输出

Python解法

rowsums = df[['salary','new']].apply(np.sum, axis=1)
res = df.iloc[np.where(rowsums > 60000)[0][-3:], :]

51

数据读取

题目 ：使用绝对路径读取本地Excel数据

难度 ： :star:

Python解法

import pandas as pd
import numpy as np

df = pd.read_excel(r'C:\Users\chenx\Documents\Data Analysis\Pandas51-80.xls')

备注

请将答案中路径替换为自己机器存储数据的绝对路径，51—80相关习题与该数据有关

52

数据查看

题目 ：查看数据前三行

难度 ： :star:

期望结果

Python解法

df.head(3)

53

缺失值处理

题目 ：查看每列数据缺失值情况

难度 ： :star: :star:

期望结果

代码 1
简称 2
日期 2
前收盘价(元) 2
开盘价(元) 2
最高价(元) 2
最低价(元) 2
收盘价(元) 2
成交量(股) 2
成交金额(元) 2
.................

Python解法

df.isnull().sum()

54

缺失值处理

题目 ：提取日期列含有空值的行

难度 ： :star: :star:

期望结果

Python解法

df[df['日期'].isnull()]

55

缺失值处理

题目 ：输出每列缺失值具体行数

难度 ： :star: :star: :star:

期望结果

列名："代码", 第[327]行位置有缺失值
列名："简称", 第[327, 328]行位置有缺失值
列名："日期", 第[327, 328]行位置有缺失值
列名："前收盘价(元)", 第[327, 328]行位置有缺失值
列名："开盘价(元)", 第[327, 328]行位置有缺失值
列名："最高价(元)", 第[327, 328]行位置有缺失值
列名："最低价(元)", 第[327, 328]行位置有缺失值
列名："收盘价(元)", 第[327, 328]行位置有缺失值
................

Python解法

for i in df.columns:
if df[i].count() != len(df):
        row = df[i][df[i].isnull().values].index.tolist()
print('列名："{}", 第{}行位置有缺失值'.format(i,row))

56

缺失值处理

题目 ：删除所有存在缺失值的行

难度 ： :star: :star:

Python解法

df.dropna(axis=0, how='any', inplace=True)

备注

axis：0-行操作（默认），1-列操作
how：any-只要有空值就删除（默认），all-全部为空值才删除
inplace：False-返回新的数据集（默认），True-在原数据集上操作

57

数据可视化

题目 ：绘制收盘价的折线图

难度 ： :star: :star:

期望结果

Python解法

# Jupyter运行matplotlib
%matplotlib inline

df['收盘价(元)'].plot()
# 等价于
import matplotlib.pyplot as plt
plt.plot(df['收盘价(元)'])

58

数据可视化

题目 ：同时绘制开盘价与收盘价

难度 ： :star: :star: :star:

期望结果

Python解法

plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False # 解决符号问题

df[['收盘价(元)','开盘价(元)']].plot()

59

数据可视化

题目 ：绘制涨跌幅的直方图

难度 ： :star: :star:

期望结果

Python解法

plt.hist(df['涨跌幅(%)'])
# 等价于
df['涨跌幅(%)'].hist()

60

数据可视化

题目 ：让直方图更细致

难度 ： :star: :star:

期望结果

Python解法

df['涨跌幅(%)'].hist(bins = 30)

61

数据创建

题目 ： 以data的列名创建一个dataframe

难度 ： :star: :star:

Python解法

temp = pd.DataFrame(columns = df.columns.to_list())

62

异常值处理

题目 ： 打印所有换手率不是数字的行

难度 ： :star: :star: :star:

期望结果

Python解法

for index,row in df.iterrows():
if type(row[13]) != float:
        temp = temp.append(df.loc[index])

63

异常值处理

题目 ： 打印所有换手率为--的行

难度 ： :star: :star: :star:

Python解法

df[df['换手率(%)'] == '--']

备注

通过上一题我们发现换手率的异常值只有--

64

数据处理

题目 ： 重置data的行号

难度 ： :star:

Python解法

df = df.reset_index(drop=True)

备注

有时我们修改数据会导致索引混乱

65

异常值处理

题目 ： 删除所有换手率为非数字的行

难度 ： :star: :star: :star:

Python解法

lst = []
for index,row in df.iterrows():
if type(row[13]) != float:
        lst.append(index)
df.drop(labels=lst,inplace=True)

66

数据可视化

题目 ： 绘制 换手率的密度曲线

难度 ： :star: :star: :star:

期望结果

Python解法

df['换手率(%)'].plot(kind='kde',xlim=(0,0.6))

67

数据计算

题目 ： 计算前一天与后一天收盘价的差值

难度 ： :star: :star:

Python解法

df['收盘价(元)'].diff()

68

数据计算

题目 ： 计算前一天与后一天收盘价变化率

难度 ： :star: :star:

Python解法

data['收盘价(元)'].pct_change()

69

数据处理

题目 ： 设置日期为索引

难度 ： :star:

Python解法

df.set_index('日期')

70

指标计算

题目 ： 以5个数据作为一个数据滑动窗口，在这个5个数据上取均值(收盘价)

难度 ： :star: :star: :star:

Python解法

df['收盘价(元)'].rolling(5).mean()

71

指标计算

题目： 以5个数据作为一个数据滑动窗口，计算这五个数据总和(收盘价)

难度 ： :star: :star: :star:

Python解法

df['收盘价(元)'].rolling(5).sum()

72

数据可视化

df['收盘价(元)'].plot()
df['收盘价(元)'].rolling(5).mean().plot()
df['收盘价(元)'].rolling(20).mean().plot()

73

数据重采样

题目： 按周为采样规则，取一周收盘价最大值

  难度 ： :star: :star: :star:

  Python解法

df = df.set_index('日期')
df['收盘价(元)'].resample('W').max()

74

数据可视化

题目： 绘制重采样数据与原始数据

  难度 ： :star: :star: :star:

  期望结果

Python解法

df['收盘价(元)'].plot()
df['收盘价(元)'].resample('7D').max().plot()

75

数据处理

题目 ：将数据往后移动5天

难度 ： :star: :star:

Python解法

df.shift(5)

76

数据处理

题目 ：将数据向前移动5天

难度 ： :star: :star:

Python解法

df.shift(-5)

77

数据计算

题目 ：使用expending函数计算开盘价的移动窗口均值

难度 ： :star: :star:

Python解法

df['开盘价(元)'].expanding(min_periods=1).mean()

78

数据可视化

题目 ：绘制上一题的移动均值与原始数据折线图

难度 ： :star: :star: :star:

期望结果

Python解法

df['expanding Open mean']=df['开盘价(元)'].expanding(min_periods=1).mean()
df[['开盘价(元)', 'expanding Open mean']].plot(figsize=(16, 6))

79

数据计算

题目 ：计算布林指标

难度 ： :star: :star: :star: :star:

Python解法

df['former 30 days rolling Close mean']=df['收盘价(元)'].rolling(20).mean()
df['upper bound']=df['former 30 days rolling Close mean']+2*df['收盘价(元)'].rolling(20).std()
df['lower bound']=df['former 30 days rolling Close mean']-2*df['收盘价(元)'].rolling(20).std()

80

数据可视化

题目 ：计算 布林线 并绘制

难度 ： :star: :star: :star:

期望结果

Python解法

df[['收盘价(元)', 'former 30 days rolling Close mean','upper bound','lower bound' ]].plot(figsize=(16, 6))

81

数据查看

题目 ：导入并查看pandas与numpy版本

难度 ： :star:

Python解法

import pandas as pd
import numpy as np
print(np.__version__)
# 1.16.5
print(pd.__version__)
# 0.25.1

82

数据创建

题目 ：从NumPy数组创建DataFrame

难度 ： :star:

备注

使用numpy生成20个0-100 随机数

Python解法

tem = np.random.randint(1,100,20)
df1 = pd.DataFrame(tem)

83

数据创建

题目 ：从NumPy数组创建DataFrame

难度 ： :star:

备注

使用numpy生成20个0-100 固定步长 的数

Python解法

tem = np.arange(0,100,5)
df2 = pd.DataFrame(tem)

84

数据创建

题目 ：从NumPy数组创建DataFrame

难度 ： :star:

备注

使用numpy生成20个 指定分布(如标准正态分布) 的数

Python解法

tem = np.random.normal(0, 1, 20)
df3 = pd.DataFrame(tem)

85

数据创建

题目 ：将df1，df2，df3按照行合并为新DataFrame

难度 ： :star::star:

Python解法

df = pd.concat([df1,df2,df3],axis=0,ignore_index=True)

86

数据创建

题目 ：将df1，df2，df3按照列合并为新DataFrame

难度 ： :star::star:

期望结果

0 1 2
0 95 0 0.022492
1 22 5 -1.209494
2 3 10 0.876127
3 21 15 -0.162149
4 51 20 -0.815424
5 30 25 -0.303792
...............

Python解法

df = pd.concat([df1,df2,df3],axis=1,ignore_index=True)

87

数据查看

题目 ：查看df所有数据的最小值、25%分位数、中位数、75%分位数、最大值

难度 ： :star::star:

Python解法

np.percentile(df, q=[0, 25, 50, 75, 100])

88

数据修改

题目 ：修改列名为col1,col2,col3

难度 ： :star:

Python解法

df.columns = ['col1','col2','col3']

89

数据提取

题目 ：提取第一列中不在第二列出现的数字

难度 ： :star::star::star:

Python解法

df['col1'][~df['col1'].isin(df['col2'])]

90

数据提取

题目 ：提取第一列和第二列出现频率最高的三个数字

难度 ： :star::star::star:

Python解法

temp = df['col1'].append(df['col2'])
temp.value_counts()[:3]

91

数据提取

题目 ：提取第一列中可以整除5的数字位置

难度 ： :star::star::star:

Python解法

np.argwhere(df['col1'] % 5==0)

92

数据计算

题目 ：计算第一列数字前一个与后一个的差值

难度 ： :star::star:

Python解法

df['col1'].diff().tolist()

93

数据处理

题目 ：将col1,col2,clo3三列顺序颠倒

难度 ： :star::star:

Python解法

df.iloc[:, ::-1]

94

数据提取

题目 ：提取第一列位置在1,10,15的数字

难度 ： :star::star:

Python解法

df['col1'].take([1,10,15])
# 等价于
df.iloc[[1,10,15],0]

95

数据查找

题目 ：查找第一列的局部最大值位置

难度 ： :star::star::star::star:

备注

即比它前一个与后一个数字的都大的数字

Python解法

res = np.diff(np.sign(np.diff(df['col1'])))
np.where(res== -2)[0] + 1
# array([ 2, 4, 7, 9, 12, 15], dtype=int64)

96

数据计算

题目 ：按行计算df的每一行均值

难度 ： :star::star:

Python解法

df[['col1','col2','col3']].mean(axis=1)

97

数据计算

题目 ：对第二列计算移动平均值

难度 ： :star::star::star:

备注

每次移动三个位置，不可以使用自定义函数

Python解法

np.convolve(df['col2'], np.ones(3)/3, mode='valid')

98

数据修改

题目 ：将数据按照第三列值的大小升序排列

难度 ： :star::star:

Python解法

df.sort_values("col3",inplace=True)

99

数据修改

题目 ：将第一列大于50的数字修改为'高'

难度 ： :star::star:

Python解法

df.col1[df['col1'] > 50] = '高'

100

数据计算

题目 ：计算第一列与第二列之间的欧式距离

难度 ： :star::star::star:

备注

不可以使用自定义函数

Python解法

np.linalg.norm(df['col1']-df['col2'])
# 194.29873905921264

101

数据读取

题目 ：从CSV文件中读取指定数据

难度 ： :star::star:

备注

从数据1中的前10行中读取positionName, salary两列

Python解法

df1 = pd.read_csv(r'C:\Users\chenx\Documents\Data Analysis\数据1.csv',encoding='gbk', usecols=['positionName', 'salary'],nrows = 10)

102

数据读取

题目 ：从CSV文件中读取指定数据

难度 ： :star::star:

备注

从数据2中读取数据并在读取数据时将薪资大于10000的为改为高

Python解法

df2 = pd.read_csv(r'C:\Users\chenx\Documents\Data Analysis\数据2.csv',
                  converters={'薪资水平': lambda x: '高' if float(x) > 10000 else '低'} )

103

数据计算

题目 ：从dataframe提取数据

难度 ： :star::star::star:

备注

从上一题数据中，对薪资水平列每隔20行进行一次抽样

期望结果

Python解法

df2.iloc[::20, :][['薪资水平']]

104

数据处理

题目 ：将数据取消使用科学计数法

难度 ： :star::star:

输入

df = pd.DataFrame(np.random.random(10)**10, columns=['data'])

期望结果

Python解法

df = pd.DataFrame(np.random.random(10)**10, columns=['data'])
df.round(3)

105

数据处理

题目 ：将上一题的数据转换为百分数

难度 ： :star::star::star:

期望结果

Python解法

df.style.format({'data': '{0:.2%}'.format})

106

数据查找

题目 ：查找上一题数据中第3大值的行号

难度 ： :star::star::star:

Python解法

df['data'].argsort()[len(df)-3]

107

数据处理

题目 ：反转df的行

难度 ： :star::star:

Python解法

df.iloc[::-1, :]

108

数据重塑

题目 ：按照多列对数据进行合并

难度 ： :star::star:

输 入

df1= pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
'key2': ['K0', 'K1', 'K0', 'K1'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})

df2= pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
'key2': ['K0', 'K0', 'K0', 'K0'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})

Python解法

pd.merge(df1, df2, on=['key1', 'key2'])

109

数据重塑

题目 ：按照多列对数据进行合并

难度 ： :star::star:

备注

只保存df1的数据

Python解法

pd.merge(df1, df2, how='left', on=['key1', 'key2'])

R语言解法

left_join(df1,df2,by = c('key1','key2'))

110

数据处理

题目 ：再次读取数据1并显示所有的列

难度 ： :star::star:

备注

数据中由于列数较多中间列不显示

Python解法

df = pd.read_csv(r'C:\Users\chenx\Documents\Data Analysis\数据1.csv',encoding='gbk')
pd.set_option("display.max.columns", None)

111

数据查找

题目 ：查找secondType与thirdType值相等的行号

难度 ： :star::star:

Python解法

np.where(df.secondType == df.thirdType)

112

数据查找

题目 ：查找薪资大于平均薪资的第三个数据

难度 ： :star::star::star:

Python解法

np.argwhere(df['salary'] > df['salary'].mean())[2]
# array([5], dtype=int64)

113

数据计算

题目 ：将上一题数据的salary列开根号

难度 ： :star::star:

Python解法

df[['salary']].apply(np.sqrt)

114

数据处理

题目 ：将上一题数据的linestaion列按_拆分

难度 ： :star::star:

Python解法

df['split'] = df['linestaion'].str.split('_')

115

数据查看

题目 ：查看上一题数据中一共有多少列

难度 ： :star:

Python解法

df.shape[1]
# 54

116

数据提取

题目 ：提取industryField列以'数据'开头的行

难度 ： :star::star:

Python解法

df[df['industryField'].str.startswith('数据')]

117

数据计算

题目 ： 以salary score 和 positionID制作数据透视

难度 ： :star::star::star:

Python解法

pd.pivot_table(df,values=["salary","score"],index="positionId")

118

数据计算

题目 ：同时对salary、score两列进行计算

难度 ： :star::star::star:

Python解法

df[["salary","score"]].agg([np.sum,np.mean,np.min])

119

数据计算

题目 ：对不同列执行不同的计算

难度 ： :star::star::star:

备注

对salary求平均，对score列求和

Python解法

df.agg({"salary":np.sum,"score":np.mean})

120

数据计算

题目 ：计算并提取平均薪资最高的区

难度 ： :star::star::star::star:

Python解法

df[['district','salary']].groupby(by='district').mean().sort_values(
'salary',ascending=False).head(1)

往期文章

Pandas时间序列数据操作

Matplotlib中的plt和ax都是啥？

70G上市公司定期报告数据集

5个小问题带你理解列表推导式

文本数据清洗之正则表达式

Python网络爬虫与文本数据分析

综述:文本分析在市场营销研究中的应用

如何批量下载上海证券交易所上市公司年报

Numpy和Pandas性能改善的方法和技巧

漂亮~pandas可以无缝衔接Bokeh

YelpDaset: 酒店管理类数据集10G

先有收获，再点在看！

后台回复 pandas120 即可下载本教程课件代码