每天半小时：入门Python，Pandas库十套练习题带你学会数据分析（一）

云云yyds
255 阅读6分钟

在这里插入图片描述

对应的数据集文件路径查看

ls /home/mw/input/pandas_exercise/pandas_exercise/exercise_data/

在这里插入图片描述

一、开始了解你的数据

探索Chipotle快餐数据

  1. 导入必要的库
# 运行以下代码
import pandas as pd
  1. 从如下地址导入数据集
# 运行以下代码
path1 = "../input/pandas_exercise/pandas_exercise/exercise_data/chipotle.tsv"    # chipotle.tsv
  1. 将数据集存入一个名为chipo的数据框内
# 运行以下代码
chipo = pd.read_csv(path1, sep = '\t')
  1. 查看前10行内容
# 运行以下代码
chipo.head(10)

在这里插入图片描述

  1. 数据集中有多少个列(columns)
# 运行以下代码
chipo.shape[1]

5

  1. 打印出全部的列名称
# 运行以下代码
chipo.columns

Index(['order_id', 'quantity', 'item_name', 'choice_description', 'item_price'], dtype='object')

  1. 数据集的索引是怎样的
# 运行以下代码
chipo.index

RangeIndex(start=0, stop=4622, step=1)

  1. 被下单数最多商品(item)是什么?
# 运行以下代码，做了修正
c = chipo[['item_name','quantity']].groupby(['item_name'],as_index=False).agg({'quantity':sum})
c.sort_values(['quantity'],ascending=False,inplace=True)
c.head()

在这里插入图片描述

  1. 在item_name这一列中，一共有多少种商品被下单？
# 运行以下代码
chipo['item_name'].nunique()

50

  1. 在choice_description中，下单次数最多的商品是什么？
# 运行以下代码，存在一些小问题
chipo['choice_description'].value_counts().head()

在这里插入图片描述

  1. 一共有多少商品被下单？
# 运行以下代码
total_items_orders = chipo['quantity'].sum()
total_items_orders

4972

  1. 将item_price转换为浮点数
# 运行以下代码
dollarizer = lambda x: float(x[1:-1])
chipo['item_price'] = chipo['item_price'].apply(dollarizer)
  1. 在该数据集对应的时期内，收入(revenue)是多少
# 运行以下代码,已经做更正
chipo['sub_total'] = round(chipo['item_price'] * chipo['quantity'],2)
chipo['sub_total'].sum()

39237.02

  1. 在该数据集对应的时期内，一共有多少订单？
# 运行以下代码
chipo['order_id'].nunique()

1834

  1. 每一单(order)对应的平均总价是多少？
# 运行以下代码，已经做过更正
chipo[['order_id','sub_total']].groupby(by=['order_id']
).agg({'sub_total':'sum'})['sub_total'].mean()

21.39423118865867

  1. 一共有多少种不同的商品被售出？
# 运行以下代码
chipo['item_name'].nunique()

50

二、数据过滤与排序

探索2012欧洲杯数据

  1. 导入必要的库
# 运行以下代码
import pandas as pd
  1. 步骤2 - 从以下地址导入数据集
# 运行以下代码
path2 = "../input/pandas_exercise/exercise_data/Euro2012_stats.csv"      # Euro2012_stats.csv
  1. 将数据集命名为euro12
# 运行以下代码
euro12 = pd.read_csv(path2)
euro12

在这里插入图片描述

  1. 只选取 Goals 这一列
# 运行以下代码
euro12.Goals

在这里插入图片描述

  1. 有多少球队参与了2012欧洲杯？
# 运行以下代码
euro12.shape[0]

16

  1. 该数据集中一共有多少列(columns)?
# 运行以下代码
euro12.info()

在这里插入图片描述

  1. 将数据集中的列Team, Yellow Cards和Red Cards单独存为一个名叫discipline的数据框
# 运行以下代码
discipline = euro12[['Team', 'Yellow Cards', 'Red Cards']]
discipline

在这里插入图片描述

  1. 对数据框discipline按照先Red Cards再Yellow Cards进行排序
# 运行以下代码
discipline.sort_values(['Red Cards', 'Yellow Cards'], ascending = False)

在这里插入图片描述

  1. 计算每个球队拿到的黄牌数的平均值
# 运行以下代码
round(discipline['Yellow Cards'].mean())

7.0

  1. 找到进球数Goals超过6的球队数据
# 运行以下代码
euro12[euro12.Goals > 6]

在这里插入图片描述

  1. 选取以字母G开头的球队数据
# 运行以下代码
euro12[euro12.Team.str.startswith('G')]

在这里插入图片描述

  1. 选取前7列
# 运行以下代码
euro12.iloc[: , 0:7]

在这里插入图片描述

  1. 选取除了最后3列之外的全部列
# 运行以下代码
euro12.iloc[: , :-3]

在这里插入图片描述

  1. 找到英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accuracy)
# 运行以下代码
euro12.loc[euro12.Team.isin(['England', 'Italy', 'Russia']), ['Team','Shooting Accuracy']]

在这里插入图片描述

三、数据分组

探索酒类消费数据

  1. 导入必要的库
# 运行以下代码
import pandas as pd
  1. 从以下地址导入数据
# 运行以下代码
path3 ='../input/pandas_exercise/pandas_exercise/exercise_data/drinks.csv'    #'drinks.csv'
  1. 将数据框命名为drinks
# 运行以下代码
drinks = pd.read_csv(path3)
drinks.head()

在这里插入图片描述

  1. 哪个大陆(continent)平均消耗的啤酒(beer)更多？
# 运行以下代码
drinks.groupby('continent').beer_servings.mean()

在这里插入图片描述

  1. 打印出每个大陆(continent)的红酒消耗(wine_servings)的描述性统计值
# 运行以下代码
drinks.groupby('continent').wine_servings.describe()

在这里插入图片描述

  1. 打印出每个大陆每种酒类别的消耗平均值
# 运行以下代码
drinks.groupby('continent').mean()

在这里插入图片描述

  1. 打印出每个大陆每种酒类别的消耗中位数
# 运行以下代码
drinks.groupby('continent').median()

在这里插入图片描述

  1. 打印出每个大陆对spirit饮品消耗的平均值，最大值和最小值
# 运行以下代码
drinks.groupby('continent').spirit_servings.agg(['mean', 'min', 'max'])

在这里插入图片描述

四、Apply函数

探索1960 - 2014 美国犯罪数据

  1. 导入必要的库
# 运行以下代码
import numpy as np
import pandas as pd
  1. 从以下地址导入数据集
# 运行以下代码
path4 = '../input/pandas_exercise/pandas_exercise/exercise_data/US_Crime_Rates_1960_2014.csv'    # "US_Crime_Rates_1960_2014.csv"
  1. 将数据框命名为crime
# 运行以下代码
crime = pd.read_csv(path4)
crime.head()

在这里插入图片描述

  1. 每一列(column)的数据类型是什么样的？
# 运行以下代码
crime.info()

在这里插入图片描述

注意到了吗，Year的数据类型为 int64，但是pandas有一个不同的数据类型去处理时间序列(time series)，我们现在来看看。

  1. 将Year的数据类型转换为 datetime64
# 运行以下代码
crime.Year = pd.to_datetime(crime.Year, format='%Y')
crime.info()

在这里插入图片描述

  1. 将列Year设置为数据框的索引
# 运行以下代码
crime = crime.set_index('Year', drop = True)
crime.head()

在这里插入图片描述

  1. 删除名为Total的列
# 运行以下代码
del crime['Total']
crime.head()

在这里插入图片描述

crime.resample('10AS').sum()

在这里插入图片描述

  1. 按照Year对数据框进行分组并求和

注意Population这一列，若直接对其求和，是不正确的

# 更多关于 .resample 的介绍
# (https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.resample.html)
# 更多关于 Offset Aliases的介绍 
# (http://pandas.pydata.org/pandas-docs/stable/timeseries.html#offset-aliases)
# 运行以下代码
crimes = crime.resample('10AS').sum() # resample a time series per decades


# 用resample去得到“Population”列的最大值
population = crime['Population'].resample('10AS').max()

# 更新 "Population" 
crimes['Population'] = population

crimes

在这里插入图片描述

  1. 何时是美国历史上生存最危险的年代？
# 运行以下代码
crime.idxmax(0)

在这里插入图片描述

五、合并

探索虚拟姓名数据

  1. 导入必要的库
# 运行以下代码
import numpy as np
import pandas as pd
  1. 按照如下的元数据内容创建数据框
# 运行以下代码
raw_data_1 = {
        'subject_id': ['1', '2', '3', '4', '5'],
        'first_name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'], 
        'last_name': ['Anderson', 'Ackerman', 'Ali', 'Aoni', 'Atiches']}

raw_data_2 = {
        'subject_id': ['4', '5', '6', '7', '8'],
        'first_name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'], 
        'last_name': ['Bonder', 'Black', 'Balwner', 'Brice', 'Btisan']}

raw_data_3 = {
        'subject_id': ['1', '2', '3', '4', '5', '7', '8', '9', '10', '11'],
        'test_id': [51, 15, 15, 61, 16, 14, 15, 1, 61, 16]}
  1. 将上述的数据框分别命名为data1, data2, data3
# 运行以下代码
data1 = pd.DataFrame(raw_data_1, columns = ['subject_id', 'first_name', 'last_name'])
data2 = pd.DataFrame(raw_data_2, columns = ['subject_id', 'first_name', 'last_name'])
data3 = pd.DataFrame(raw_data_3, columns = ['subject_id','test_id'])
  1. 将data1和data2两个数据框按照行的维度进行合并，命名为all_data
# 运行以下代码
all_data = pd.concat([data1, data2])
all_data

在这里插入图片描述

  1. 将data1和data2两个数据框按照列的维度进行合并，命名为all_data_col
# 运行以下代码
all_data_col = pd.concat([data1, data2], axis = 1)
all_data_col

在这里插入图片描述

  1. 打印data3
# 运行以下代码
data3

在这里插入图片描述

  1. 按照subject_id的值对all_data和data3作合并
# 运行以下代码
pd.merge(all_data, data3, on='subject_id')

在这里插入图片描述

  1. 对data1和data2按照subject_id作连接
# 运行以下代码
pd.merge(data1, data2, on='subject_id', how='inner')

在这里插入图片描述

  1. 找到 data1 和 data2 合并之后的所有匹配结果
# 运行以下代码
pd.merge(data1, data2, on='subject_id', how='outer')

在这里插入图片描述

你们的支持是我持续更新下去的动力，(点赞，关注，评论) 这篇文还未结束，想了解后续的可以关注我，持续更新。

点击领取🎁🎁 Q群号： 675240729（纯技术交流和资源共享）以自助拿走。

①行业咨询、专业解答 ②Python开发环境安装教程 ③400集自学视频 ④软件开发常用词汇 ⑤最新学习路线图 ⑥3000多本Python电子书

avatar
文章
阅读
粉丝
相关推荐
京东一面：post为什么会发送两次请求？🤪🤪🤪
248k阅读
 · 
3.0k点赞
TypeChat 入门指南
236k阅读
 · 
217点赞
Python基础教程:强大的Pandas数据分析库
2.1k阅读
 · 
4点赞
面试官问我按钮级别权限怎么控制，我说v-if，面试官说再见
255k阅读
 · 
2.7k点赞
2023高频前端面试题合集之Vue（上篇）
200k阅读
 · 
1.3k点赞
2023前端面试题总结
149k阅读
 · 
2.1k点赞
总是跳转到国内版(cn.bing.com)？New Bing使用全攻略
473k阅读
 · 
146点赞
ChatGPT保姆级教程，一分钟学会使用ChatGPT！
793k阅读
 · 
546点赞
2023高频前端面试题合集之网络篇
198k阅读
 · 
627点赞
🔥我说MySQL每张表最好不超过2000万数据，面试官让我回去等通知？
143k阅读
 · 
1.8k点赞

友情链接：