首页现有一个手机评论数据mobile.csv（1）按手机价格统计评分最大值、最小值、算术平均值和中位数。2）按手机品牌统计评分最大值、最小值、算术平均值和中位数。

现有一个手机评论数据mobile.csv（1）按手机价格统计评分最大值、最小值、算术平均值和中位数。2）按手机品牌统计评分最大值、最小值、算术平均值和中位数。

时间: 2023-07-10 13:09:53 浏览: 203

首先需要导入 pandas 库，读取 mobile.csv 文件并将数据存储在 DataFrame 中。 ```python import pandas as pd df = pd.read_csv('mobile.csv', encoding='utf-8') ``` ## 按手机价格统计评分 ### 最大值 ```python max_score = df.groupby('price')['score'].max() print(max_score) ``` ### 最小值 ```python min_score = df.groupby('price')['score'].min() print(min_score) ``` ### 算术平均值 ```python mean_score = df.groupby('price')['score'].mean() print(mean_score) ``` ### 中位数 ```python median_score = df.groupby('price')['score'].median() print(median_score) ``` ## 按手机品牌统计评分 ### 最大值 ```python max_score = df.groupby('brand')['score'].max() print(max_score) ``` ### 最小值 ```python min_score = df.groupby('brand')['score'].min() print(min_score) ``` ### 算术平均值 ```python mean_score = df.groupby('brand')['score'].mean() print(mean_score) ``` ### 中位数 ```python median_score = df.groupby('brand')['score'].median() print(median_score) ```

阅读全文