@1007477689 2020-05-19T02:28:58.000000Z 字数 13351 阅读 873

Pandas学习练习

Python Pandas

Pandas练习

1. 导入 Pandas 库并简写为 pd，同时输出Pandas的版本号

import pandas as pd
pd.__version__

2. 从列表中创建 Series

arry = [0, 1, 2, 3, 4]
df = pd.Series(data = arry) 
df
# 如果不指定索引，则默认从 0 开始

>>> 0    0
    1    1
    2    2
    3    3
    4    4
    dtype: int64

3. 从字典中创建 Series

data = {'a':1, 'b':2, 'c':3, 'd':4, 'e':5}
df = pd.Series(data = data)
df

>>> a    1
    b    2
    c    3
    d    4
    e    5
    dtype: int64

4. 通过 NumPy 数组创建 DataFrame

import numpy as np
dates = pd.date_range(start = 'today', periods = 6)  
num_arr = np.random.randn(6, 4)  
columns = ['A', 'B', 'C', 'D']  
df = pd.DataFrame(data = num_arr, index = dates, columns = columns)
df
# pd.date_range('today', periods = 6)  定义时间序列作为 index
# np.random.randn(6, 4) 传入 numpy 随机数组
# columns = ['A', 'B', 'C', 'D'] 将列表作为列名

5. 从 CSV 中创建 DataFrame，分隔符为“；”，编码格式为gbk

df = pd.read_csv(filepath_or_buffer = 'test.csv', encoding = 'gbk', sep = ';')
df
df.to_csv('test.csv')
# df.to_csv('output.csv') 将df存储为csv文件，文件名为output.csv

6. 从字典对象中创建 DataFrame，并设置索引

import numpy as np
data = {'animal':['cat', 'cat', 'snake', 'dog', 'dog', 'cat', 'snake', 'cat', 'dog', 'dog'],
        'age': [2.5, 3, 0.5, np.nan, 5, 2, 4.5, np.nan, 7, 3],
        'visits': [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
        'priority': ['yes', 'yes', 'no', 'yes', 'no', 'no', 'no', 'yes', 'no', 'no']}
index_labels = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
df = pd.DataFrame(data = data, index = index_labels)
df

7. 显示 df 的基本信息，包括行的数量、列名、每一列值的数量、类型

# 方法一
df.info()

# 方法二
df.describe()

8. 展示 df 的前 $3$ 行

# 方法一
df.iloc[:3]

# 方法二
df.head(n = 3)

9. 取出 df 的 animal 、age 列

# 方法一
df.loc[:, ['animal', 'age']]

# 方法二
df[['animal', 'age']]
# 里面还有一个[]

10. 取出索引为 [3, 4, 8] 行的 animal、age 列

df.loc[df.index[[3, 4, 8]], ['animal', 'age']]

11. 取出 age 值大于 $3$ 的行

df[df['age'] > 3]

12. 取出 age 值缺失的行

df['age'].isnull()

>>> a    False
    b    False
    c    False
    d     True
    ...
    g    False
    h     True
    i    False
    j    False
    Name: age, dtype: bool

df[df['age'].isnull()]

13.取出 age 在 (2,4) 间的行（不含）

# 方法一
df[(df['age'] > 2) & (df['age'] < 4)]

# 方法二
df[df['age'].between(2, 4)]

14. 将 f 行中的 “age” 列改为 1.5

df.loc['f', 'age'] = 1.5
df

15. 计算 visits 的总和

df['visits'].sum()

16. 计算每个不同种类 animal 的 age 的平均数

df.groupby('animal')['age'].mean()

17. 在 df 中插入新行 k，然后删除该行

# 插入行
df.loc['k'] = [5.5, 'dog', 'no', 2]
# 删除行
df = df.drop('k')

18. 计算 df 中每个种类 animal 的数量

df['animal'].value_counts()
# .value_counts() 每种的值

19. 先按 age 降序排列，后按 visits 升序排列

df.sort_values(by = ['age', 'visits'], ascending = [False, True])
# False 为降序，True 为升序

20. 将priority列中的“yes”、“no”替换为布尔值“True”, “False”

df['priority'] = df['priority'].map({'yes': True, 'no': False}) 
df

21. 将“animal”列中的“snake”替换为“python”

df['animal'] = df['animal'].replace(to_replace = 'snake', value = 'python')
df

22. 对每种 animal 的每种不同数量 visits，计算平均 age，即，返回一个表格，行是 aniaml 种类，列是 visits 数量，表格值是行动物种类列访客数量的平均年龄

df.age.dtypes

df.age = df.age.astype(dtype = 'float')
# 这里要把 age 转换为 'float'
# 如果不转换，直接调用df.pivot_table(index = 'animal', columns = 'visits', values = 'age', aggfunc = 'mean')会出错
df.age.dtypes

>>> dtype('float64')

df.pivot_table(index = 'animal', columns = 'visits', values = 'age', aggfunc = 'mean')

23. 有一列整数列 A 的 DatraFrame，删除数值重复的行

data = {'A': [1, 2, 2, 3, 2, 5, 5, 5, 6, 7, 7]} 
df = pd.DataFrame(data = data)

# 方法一：
df1 = df.loc[df['A'].shift() != df['A']]
print(df1)
# df[column].shift(period = 1, axis = 0)
# 方法一只能删除连续行重复的行，不连续的重复行不能删除。

# 方法二：
df1 = df.drop_duplicates(subset = 'A')
# drop_duplicate() 方法是对 DataFrame 格式的数据，去除特定列下面的重复行。返回 DataFrame 格式的数据。

24. 有一个全数值的 DatraFrame，每个数字减去该行的平均数

df = pd.DataFrame(data = np.random.random(size = (5, 3)))
df_sub = df.sub(other = df.mean(axis = 1), axis = 0)
# df.sub(other = df.mean(axis = 1), axis = 0)先取这一行的平均数，然后按照列来减。

25. 有一个包括 5 列的 DataFrame，求哪一列的和最小

list('abcde')

>>> ['a', 'b', 'c', 'd', 'e']

df = pd.DataFrame(data = np.random.random(size = (5, 5)), columns = list('abcde'))
print(df)
df.sum().idxmin()

26. 给定一个 DataFrame，求 A 列每个值的前 3 大的 B 的值的和

df = pd.DataFrame({'A': list('aaabbcaabcccbbc'), 
                   'B': [12, 345, 3, 1, 45, 14, 4, 52, 54, 23, 235, 21, 57, 3, 87]})
df1 = df.groupby(by = 'A')['B'].nlargest(n = 3)

>>> A    
    a  1     345
       7      52
       0      12
    b  12     57
       8      54
       4      45
    c  10    235
       14     87
       9      23
    Name: B, dtype: int64

df1 = df.groupby(by = 'A')['B'].nlargest(n = 3).sum(level = 0)
# level 如果轴是多指标（分层），则沿特定级别计算，并折叠成一个序列。

>>> A
    a    409 (=345 + 52 + 12)
    b    156 (= 57 + 54 + 45)
    c    345 (= 235 + 87 + 23)
    Name: B, dtype: int64

27. 给定 DataFrame，有列 A、 B，A 的值在1-100（含），对 A 列每10步长，求对应的 B 的和

data = {'A': [1, 2, 11, 11, 33, 34, 35, 40, 79, 99],
        'B': [1, 2, 11, 11, 33, 34, 35, 40, 79, 99]}
df = pd.DataFrame(data = data)
groupby_rule = pd.cut(x = df['A'], bins = np.arange(start = 0, stop = 101, step = 10))
groupby_rule

>>> 0      (0, 10]
    1      (0, 10]
    2     (10, 20]
    3     (10, 20]
    4     (30, 40]
    5     (30, 40]
    6     (30, 40]
    7     (30, 40]
    8     (70, 80]
    9    (90, 100]
    Name: A, dtype: category
    Categories (10, interval[int64]): [(0, 10] < (10, 20] < (20, 30] < (30, 40] ... (60, 70] < (70, 80] < (80, 90] < (90, 100]]

df1 = df.groupby(by = groupby_rule)['B'].sum()
df1
# pandas.cut(x, bins, right = True, labels = None, retbins = False, precision = 3, include_lowest = False, duplicates = 'raise') 
# x：被切分的类数组（array-like）数据，必须是 1 维的（不能用DataFrame）
# bins：bins 是被切割后的区间，有3中形式：一个 int 型的标量、标量序列（数组）或者 pandas.IntervalIndex

>>> A
    (0, 10]        3
    (10, 20]      22
    (20, 30]       0
    (30, 40]     142
    (40, 50]       0
    (50, 60]       0
    (60, 70]       0
    (70, 80]      79
    (80, 90]       0
    (90, 100]     99
    Name: B, dtype: int64

28. 给定 DataFrame，计算每个元素至左边最近的0（或者至开头）的距离，生成新列 y

data = {'X': [7, 2, 0, 3, 4, 2, 5, 0, 3, 4]}
df = pd.DataFrame(data = data)

# 方法一
izero = np.r_[-1, (df['X'] == 0).to_numpy().nonzero()[0]] 
# 标记0的位置
idx = np.arange(len(df))
df['Y'] = idx - izero[np.searchsorted(izero - 1, idx) - 1]
print(df)

# 方法二
x = (df['X'] != 0).cumsum()
y = x != x.shift()
df['Y'] = y.groupby((y != y.shift()).cumsum()).cumsum()

# 方法三
df['Y'] = df.groupby((df['X'] == 0).cumsum()).cumcount()
first_zero_idx = (df['X'] == 0).idxmax()
df['Y'].iloc[0:first_zero_idx] += 1

29. 一个全数值的 DataFrame，返回最大 $3$ 个值的坐标

df = pd.DataFrame(data = np.random.random(size = (5, 3)))

df.unstack()

>>> 0  0    0.481196
       1    0.375653
       2    0.150875
       3    0.049221
       4    0.091384
    1  0    0.523462
       1    0.951614
       2    0.097590
       3    0.826970
       4    0.589755
    2  0    0.893346
       1    0.966250
       2    0.811824
       3    0.658163
       4    0.863555
    dtype: float64

df.unstack().sort_values()

>>> 0  3    0.049221
       4    0.091384
    1  2    0.097590
    0  2    0.150875
       1    0.375653
       0    0.481196
    1  0    0.523462
       4    0.589755
    2  3    0.658163
       2    0.811824
    1  3    0.826970
    2  4    0.863555
       0    0.893346
    1  1    0.951614
    2  1    0.966250
    dtype: float64

df.unstack().sort_values()[-3:].index.tolist()
# .sort_values()[-3:]从倒数第三大个值往上升
# .index.tolist() 取得它们的坐标

30. 给定一个DataFrame，将负值代替为同组的平均值

data = {'grps': list('aaabbcaabcccbbc'),
        'vals': [-12, 345, 3, 1, 45, 14, 4, -52, 54, 23, -235, 21, 57, 3, 87]}
df = pd.DataFrame(data = data)
def replace(group):
    mask = group < 0
    group[mask] = group[~mask].mean()
    return group
df['vals'] = df.groupby(['grps'])['vals'].transform(replace)
print(df)
# transform(函数) -> 返回一个列向量，该列向量和原子数据帧等长，然后各个子数据帧还是和原来一样的行数
# apply() 与transform() 的相同点与不同点
# 相同点：
# 都能针对 dataframe 完成特征的计算，并且常常与groupby()方法一起使用。
# 不同点：
# apply()里面可以跟自定义的函数，包括简单的求和函数以及复杂的特征间的差值函数等
# （注：apply不能直接使用agg()方法 / transform()中的python内置函数，例如sum、max、min、’count‘等方法）
# transform() 里面不能跟自定义的特征交互函数.
# 因为transform是真针对每一元素（即每一列特征操作）进行计算，也就是说在使用 transform() 方法时，需要记得三点：
# 1、它只能对每一列进行计算，所以在groupby()之后，.transform()之前是要指定要操作的列，这点也与apply有很大的不同。
# 2、由于是只能对每一列计算，所以方法的通用性相比apply()就局限了很多，例如只能求列的最大/最小/均值/方差/分箱等操作
# 3、transform还有什么用呢?最简单的情况是试图将函数的结果分配回原始的dataframe。也就是说返回的shape是（len(df)，1）。
# 注：如果与groupby()方法联合使用，需要对值进行去重。

31.计算 $3$ 位滑动窗口的平均值，忽略 NaN

df = pd.DataFrame({'group': list('aabbabbbabab'),
                   'value': [1, 2, 3, np.nan, 2, 3, np.nan, 1, 7, 3, np.nan, 8]})
g1 = df.groupby(['group'])['value']
g2 = df.fillna(0).groupby(['group'])['value']
s = g2.rolling(3, min_periods = 1).sum() / g1.rolling(3, min_periods = 1).count()
s.reset_index(level = 0, drop = True).sort_index()

32. 创建 Series s，将 $2015$ 所有工作日作为随机值的索引

dti = pd.date_range(start = '2015-01-01', end = '2015-12-31', freq = 'B') 
dti

>>> DatetimeIndex(['2015-01-01', '2015-01-02', '2015-01-05', '2015-01-06', '2015-01-07', 
                   '2015-01-08', '2015-01-09', '2015-01-12', '2015-01-13', '2015-01-14',
                   ...
                   '2015-12-18', '2015-12-21', '2015-12-22', '2015-12-23', '2015-12-24', 
                   '2015-12-25', '2015-12-28', '2015-12-29', '2015-12-30', '2015-12-31'],
    dtype = 'datetime64[ns]', length = 261, freq = 'B')

s = pd.Series(data = np.random.rand(len(dti)), index = dti)
s.head(10)
# 这里 2015 所有工作日已经作为随机值的索引了，只是在这里取了前十个而已

>>> 2015-01-01    0.668115
    2015-01-02    0.959374
    2015-01-05    0.032494
    2015-01-06    0.775584
    2015-01-07    0.424158
    2015-01-08    0.901054
    2015-01-09    0.664729
    2015-01-12    0.221497
    2015-01-13    0.839977
    2015-01-14    0.440950
    Freq: B, dtype: float64

33. 所有星期三的值求和

s.index.weekday == 3

>>> array([ True, False, False, False, False,  True, False, False, False, 
            ...,
            False, False, False,  True, False, False, False, False,  True])

s[s.index.weekday == 3].sum()
# 星期三对应的是 weekday = 3，而不是 2

34. 求每个自然月的平均数

s.resample(rule = 'M')
# DataFrame.resample(rule, axis, closed)
# 用 resample 后，得到的每个月是月底

# Convenience method for frequency conversion and resampling of time series. Object must have a datetime-like index (DatetimeIndex, PeriodIndex, or TimedeltaIndex), or pass datetime-like values to the on or level keyword.

>>> DatetimeIndexResampler [freq = <MonthEnd>, axis = 0, closed = right, label = right, convention = start, base = 0]

s.resample(rule = 'M').mean()

>>> 2015-01-31    0.518175
    2015-02-28    0.525824
    2015-03-31    0.530855
    2015-04-30    0.478707
    2015-05-31    0.439820
    2015-06-30    0.522842
    2015-07-31    0.566864
    2015-08-31    0.458453
    2015-09-30    0.477120
    2015-10-31    0.525901
    2015-11-30    0.405665
    2015-12-31    0.453303
    Freq: M, dtype: float64

35. 每连续4个月为一组，求最大值所在的日期

s.groupby(pd.Grouper(freq = '4M')).idxmax()
# 前面的索引为这一组的头，后面的值为最大值所在的日期。

36. 创建 $2015$ - $2016$ 每月第三个星期四的序列

pd.date_range(start = '2015-01-01', end = '2016-12-31', freq = 'WOM-3THU')
# WOM-1MON、WOM-2MON…    WeekOfMonth 产生每月第一、二、三、四周的星期几，例如WOM-1MON表示每月的第一个星期一
# 参考文献：https://blog.csdn.net/misxu890312/article/details/100192129。

>>> DatetimeIndex(['2015-01-15', '2015-02-19', '2015-03-19', '2015-04-16', '2015-05-21', 
                   '2015-06-18', '2015-07-16', '2015-08-20', '2015-09-17', '2015-10-15', 
                   '2015-11-19', '2015-12-17', '2016-01-21', '2016-02-18', '2016-03-17', 
                   '2016-04-21', '2016-05-19', '2016-06-16', '2016-07-21', '2016-08-18', 
                   '2016-09-15', '2016-10-20', '2016-11-17', '2016-12-15'],
     dtype = 'datetime64[ns]', freq = 'WOM-3THU')

37. “FlightNumber”列中有些值缺失了，他们本来应该是每一行增加10，填充缺失的数值，并且令数据类型为整数

df['FlightNumber'] = df['FlightNumber'].interpolate().astype(int)
df
# .interpolate() 会将值等距离插值，这样就使得缺失值等距离填充进去了。

38. 将 FromTo 列从分开，分成 From, To 两列，并删除原始列

data = {'From_To': ['LoNDon_paris', 'MAdrid_miLAN', 'londON_StockhOlm', 'Budapest_PaRis', 'Brussels_londOn'],
        'FlightNumber': [10045, np.nan, 10065, np.nan, 10085],
        'RecentDelays': [[23, 47], [], [24, 43, 87], [13], [67, 32]],
        'Airline': ['KLM(!)', '<Air France> (12)', '(British Airways. )', '12. Air France', '"Swiss Air"']}
df = pd.DataFrame(data = data)
df

>>>     From_To Flight      Number    RecentDelays   Airline
    0   LoNDon_paris        10045.0   [23, 47]       KLM(!)
    1   MAdrid_miLAN        NaN       []             <Air France> (12)
    2   londON_StockhOlm    10065.0   [24, 43, 87]   (British Airways. )
    3   Budapest_PaRis      NaN       [13]           12. Air France
    4   Brussels_londOn     10085.0   [67, 32]       "Swiss Air"

df['FlightNumber'] = df['FlightNumber'].interpolate().astype(int)
temp = df.From_To.str.split('_', expand = True)
temp.columns = ['From', 'To']
df = df.join(temp)
df = df.drop('From_To', axis = 1)
df
# df.drop('From_To', axis = 1)
# expand : 布尔值,默认为False.如果为真返回数据框(DataFrame)或复杂索引(MultiIndex);
# 如果为假,返回序列(Series)或者索引(Index)
# temp.columns = ['From', 'To']使得将拆分后形成的DataFrame两列命名为From和To
# 调用df.mean(axis=1),我们将得到按行计算的均值。
# 然而，如果我们调用 df.drop((name, axis=1),我们实际上删掉了一列，而不是一行。

39. 将 “From” 列, “To” 列大小写统一首字母大写其余小写

df['From'] = df['From'].str.capitalize()
df['To'] = df['To'].str.capitalize()
df
# 使得首字母变为大写，其余变为小写。

40. Airline 列，有一些多余的标点符号，需要提取出正确的航司名称。举例：'(British Airways. )' 应该改为 'British Airways'.

df['Airline'] = df['Airline'].str.extract(pat = '([a-zA-Z\s]+)', expand = False).str.strip()
df
# .str.extract(pat = '([a-zA-Z\s]+)', expand = False) 删除了这些data中的标点符号
# .str.strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。
# 注意：该方法只能删除开头或是结尾的字符，不能删除中间部分的字符。

41. RecentDelays 列，数据被以列表的形式录入，但是我们希望每个数字被录入成单独一列，delay_1, delay_2, ...没有的用 NaN 替代。

delays = df['RecentDelays'].apply(func = pd.Series)
# 使得列中数组被拆分为 Series
# delays = df['RecentDelays'].apply(func = pd.Series)

>>>        0       1      2
    0   23.0    47.0    NaN
    1   NaN     NaN     NaN
    2   24.0    43.0    87.0
    3   13.0    NaN     NaN
    4   67.0    32.0    NaN

delays.columns

>>> RangeIndex(start = 0, stop = 3, step = 1)

# delays.columns = ['delay_{}'.format(n) for n in range(1, len(delays.columns) + 1)]
delays.columns = [f'delay_{num}' for num in range(start = 1, stop = len(delays.columns) + 1)] 
delays
# [f'delay_{num}' for num in range(start = 1, stop = len(delays.columns) + 1)]  使得列名循环。

>>> Index(['delay_1', 'delay_2', 'delay_3'], dtype = 'object')

df = df.drop('RecentDelays', axis = 1).join(delays)
df

42. 用 letters = ['A', 'B', 'C'] 和 numbers = list(range(10))的组合作为系列随机值的层次化索引

letters = ['A', 'B', 'C']
numbers = list(range(4))
mi = pd.MultiIndex.from_product([letters, numbers])
# pd.MultiIndex.from_product()创建一个多层索引，这个多层索引中ABC分别对应四个值。

>>> MultiIndex(levels = [['A', 'B', 'C'], [0, 1, 2, 3]],
               labels = [[0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2], [0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3]])
>>> MultiIndex([('A', '0'),
                ('A', '1'),
                ('A', '2'),
                ('A', '3'),
                ('B', '0'),
                ('B', '1'),
                ('B', '2'),
                ('B', '3'),
                ('C', '0'),
                ('C', '1'),
                ('C', '2'),
                ('C', '3')])

s = pd.Series(data = np.random.rand(12), index = mi)
s

>>> A  0    0.796546
       1    0.554168
       2    0.904286
       3    0.266291
    B  0    0.649349
       1    0.502057
       2    0.023291
       3    0.117036
    C  0    0.889227
       1    0.907910
       2    0.018923
       3    0.038807
    dtype: float64

43. 检查 s 是否是字典顺序排序的

# 方法一
s.index.is_lexsorted()

# 方法二
s.index.lexsort_depth == s.index.nlevels
# 如果按照字典顺序排序，那么.is_lexsorted()的返回值为True。

44. 选择二级索引为 1, 3 的行

s.loc[:, [1, 3]]
# 第一个:使得一级索引从首到末
# 1, 3为二级索引的第一行和第三行，如果为1:3这表示一行到三行。

45. 对 s 进行切片操作，取一级索引至B，二级索引从2开始到最后

# 方法一
s.loc[pd.IndexSlice[:'B', 2:]]

# 方法二
# s.loc[slice(None, 'B'), slice(2, None)]

46. 计算每个一级索引的和（A, B, C每一个的和）

#方法一
s.sum(level = 0)

#方法二
#s.unstack().sum(axis = 0)
# s.sum(level = 0)表示计算每一级的和，如果为s.sum()则计算所有数据的和。

47. 交换索引等级，新的Series是字典顺序吗？不是的话请排序

new_s = s.swaplevel(0, 1)
print(new_s)
print(new_s.index.is_lexsorted())
new_s = new_s.sort_index()
print(new_s)
# s.swaplevel(0, 1)交换第一维和第二维的索引等级。
# .sort_index()索引排序。

48. 画出 df 的散点图

import matplotlib.pyplot as plt
data = {"xs": [1, 5, 2, 8, 1], 
        "ys": [4, 2, 1, 9, 6]}
df = pd.DataFrame(data = data)
plt.style.use(style = 'ggplot')
# plt.style.use定制画布风格
# 参考文献：https://zhuanlan.zhihu.com/p/37891729
df.plot.scatter(x = "xs", y = "ys", color = "black", marker = "x")
# .plot.scatter()绘制散点图
<matplotlib.axes._subplots.AxesSubplot at 0x18387eb3d88>

49. 可视化指定 $4$ 维 DataFrame

data = {"productivity": [5, 2, 3, 1, 4, 5, 6, 7, 8, 3, 4, 8, 9],
        "hours_in": [1, 9, 6, 5, 3, 9, 2, 9, 1, 7, 4, 2, 2],
        "happiness": [2, 1, 3, 2, 3, 1, 2, 3, 1, 2, 2, 1, 3],
        "caffienated": [0, 0, 1, 1, 0, 0, 0, 0, 1, 1, 0, 1, 0]}
df = pd.DataFrame(data = data)

df.plot.scatter(x = "hours_in", y = "productivity", s = df.happiness * 100, c = df.caffienated)
# s 标记大小
# c 标记颜色

50. 在同一个图中可视化 $2$ 组数据，共用 $X$ 轴，但 $Y$ 轴不同

data = {"revenue": [57, 68, 63, 71, 72, 90, 80, 62, 59, 51, 47, 52],
        "advertising": [2.1, 1.9, 2.7, 3.0, 3.6, 3.2, 2.7, 2.4, 1.8, 1.6, 1.3, 1.9],
        "month": range(12)}
df = pd.DataFrame(data = data)

ax = df.plot.bar(x = "month", y = "revenue", color = "green")
df.plot.line(x = "month", y = "advertising", secondary_y = True, ax = ax)
ax.set_xlim((-1, 12))
# .plot.bar()画柱状图
# .plot.line()画线状图
# secondary_y = True 设置第二个 y 轴
# ax = ax 使得两个图形在同一个图中
# .set_xlim()设定 x 轴底坐标范围

Pandas练习

1. 导入 Pandas 库并简写为 pd，同时输出Pandas的版本号

2. 从列表中创建 Series

3. 从字典中创建 Series

4. 通过 NumPy 数组创建 DataFrame

5. 从 CSV 中创建 DataFrame，分隔符为“；”，编码格式为gbk

6. 从字典对象中创建 DataFrame，并设置索引

7. 显示 df 的基本信息，包括行的数量、列名、每一列值的数量、类型

8. 展示 df 的前 3 行

9. 取出 df 的 animal 、age 列

10. 取出索引为 [3, 4, 8] 行的 animal、age 列

11. 取出 age 值大于 3 的行

12. 取出 age 值缺失的行

13.取出 age 在 (2,4) 间的行（不含）

14. 将 f 行中的 “age” 列改为 1.5

15. 计算 visits 的总和

16. 计算每个不同种类 animal 的 age 的平均数

17. 在 df 中插入新行 k，然后删除该行

18. 计算 df 中每个种类 animal 的数量

19. 先按 age 降序排列，后按 visits 升序排列

20. 将priority列中的“yes”、“no”替换为布尔值“True”, “False”

21. 将“animal”列中的“snake”替换为“python”

22. 对每种 animal 的每种不同数量 visits，计算平均 age，即，返回一个表格，行是 aniaml 种类，列是 visits 数量，表格值是行动物种类列访客数量的平均年龄

23. 有一列整数列 A 的 DatraFrame，删除数值重复的行

24. 有一个全数值的 DatraFrame，每个数字减去该行的平均数

25. 有一个包括 5 列的 DataFrame，求哪一列的和最小

26. 给定一个 DataFrame，求 A 列每个值的前 3 大的 B 的值的和

27. 给定 DataFrame，有列 A、 B，A 的值在1-100（含），对 A 列每10步长，求对应的 B 的和

28. 给定 DataFrame，计算每个元素至左边最近的0（或者至开头）的距离，生成新列 y

29. 一个全数值的 DataFrame，返回最大 3 个值的坐标

30. 给定一个DataFrame，将负值代替为同组的平均值

31.计算 3 位滑动窗口的平均值，忽略 NaN

32. 创建 Series s，将 2015 所有工作日作为随机值的索引

33. 所有星期三的值求和

34. 求每个自然月的平均数

35. 每连续4个月为一组，求最大值所在的日期

36. 创建 2015 - 2016 每月第三个星期四的序列

37. “FlightNumber”列中有些值缺失了，他们本来应该是每一行增加10，填充缺失的数值，并且令数据类型为整数

38. 将 FromTo 列从分开，分成 From, To 两列，并删除原始列

39. 将 “From” 列, “To” 列大小写统一首字母大写其余小写

40. Airline 列，有一些多余的标点符号，需要提取出正确的航司名称。举例：'(British Airways. )' 应该改为 'British Airways'.

41. RecentDelays 列，数据被以列表的形式录入，但是我们希望每个数字被录入成单独一列，delay_1, delay_2, ...没有的用 NaN 替代。

42. 用 letters = ['A', 'B', 'C'] 和 numbers = list(range(10))的组合作为系列随机值的层次化索引

43. 检查 s 是否是字典顺序排序的

44. 选择二级索引为 1, 3 的行

45. 对 s 进行切片操作，取一级索引至B，二级索引从2开始到最后

46. 计算每个一级索引的和（A, B, C每一个的和）

47. 交换索引等级，新的Series是字典顺序吗？不是的话请排序

48. 画出 df 的散点图

49. 可视化指定 4 维 DataFrame

50. 在同一个图中可视化 2 组数据，共用 X 轴，但 Y 轴不同

内容目录

8. 展示 df 的前 $3$ 行

11. 取出 age 值大于 $3$ 的行

29. 一个全数值的 DataFrame，返回最大 $3$ 个值的坐标

31.计算 $3$ 位滑动窗口的平均值，忽略 NaN

32. 创建 Series s，将 $2015$ 所有工作日作为随机值的索引

36. 创建 $2015$ - $2016$ 每月第三个星期四的序列

49. 可视化指定 $4$ 维 DataFrame

50. 在同一个图中可视化 $2$ 组数据，共用 $X$ 轴，但 $Y$ 轴不同