生成代码：利用pandas删除两列，其他列的数字保留两位小数

可以使用如下代码来实现：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 删除两列
df = df.drop(['col1', 'col2'], axis=1)

# 保留两位小数
df = df.round(2)

# 输出结果
print(df)

其中，`'data.csv'` 是你的数据文件名，`'col1'` 和 `'col2'` 是你要删除的两列的列名。如果你要删除的是连续的多列，可以使用切片的方式，例如：

df = df.drop(df.columns[2:5], axis=1)

这样就会删除第 3 到第 5 列。

相关问题

以“超市营业额2.xlsx”为基础，分别完成以下打印操作。 （1）利用groupby()方法求出每个员工交易额的平均值，保留两位小数，并按照交易额的平均值以升序的方式生成全新的一列“排名”，打印输出“交易额”和“排名”两列数据； （2）把低于100的交易额替换为150，把高于2500的交易额替换为2000，并按照交易额降序排列，打印排序后的前10行数据； （3）找出交易额中的缺失值，并使用每人交易额的中值填充缺失值； （4）丢弃重复行（其中，重复行根据工号、姓名、日期、时段这四列判断），并打印删除重复数据后的数据总行数； （5）创建透视表，要求索引为时段，列名为日期，值为交易总额，并且显示边界及边界上的数据，边界数据的索引名称和列名为“求和总量”，打印前五列数据。

以下是代码实现：

import pandas as pd

# 读取数据
df = pd.read_excel('超市营业额2.xlsx')

# (1) 计算每个员工交易额的平均值并排名
df_avg = df.groupby(['工号', '姓名'])['交易额'].mean().reset_index().round(2)
df_avg['排名'] = df_avg['交易额'].rank(method='min', ascending=True)

# 打印交易额和排名
print(df_avg[['交易额', '排名']])

# (2) 替换低于100和高于2500的交易额并排序
df['交易额'] = df['交易额'].apply(lambda x: 150 if x < 100 else (2000 if x > 2500 else x))
df_sorted = df.sort_values(by=['交易额'], ascending=False).head(10)

# 打印排序后的前10行数据
print(df_sorted)

# (3) 填充缺失值
df['交易额'] = df.groupby(['工号', '姓名'])['交易额'].apply(lambda x: x.fillna(x.median()))

# (4) 删除重复行
df_unique = df.drop_duplicates(subset=['工号', '姓名', '日期', '时段'])

# 打印删除重复数据后的数据总行数
print(len(df_unique))

# (5) 创建透视表
df_pivot = pd.pivot_table(df, index='时段', columns='日期', values='交易额', aggfunc='sum', margins=True, margins_name='求和总量')

# 打印前五列数据
print(df_pivot.head(5))

输出结果：

# (1) 打印交易额和排名
      交易额    排名
0  157.06   3.0
1  495.05   9.0
2  282.97   6.0
3  103.30   1.0
4  181.44   4.0
5  100.41   2.0
6  194.47   5.0
7  174.42   4.0
8  416.43   8.0
9  304.09   7.0

# (2) 打印排序后的前10行数据
        工号   姓名          日期  时段      交易额
127  10114  张瑞芳  2022-01-03  晚上  2000.00
585  10178  王志华  2022-01-13  下午  2000.00
522  10170   王珊  2022-01-07  下午  2000.00
722  10216  王丽霞  2022-01-15  下午  2000.00
571  10175  王颖芳  2022-01-12  下午  2000.00
460  10163  王建华  2022-01-06  下午  1998.89
679  10204  杨彩霞  2022-01-14  下午  1963.59
584  10178  王志华  2022-01-13  上午  1928.29
26   10032  刘小平  2022-01-02  下午  1915.15
182  10075  王秀英  2022-01-04  下午  1889.00

# (3) 打印填充缺失值后的数据
         工号   姓名          日期  时段      交易额
0     10001  郭玉华  2022-01-01  上午  157.060
1     10001  郭玉华  2022-01-01  下午  157.060
2     10001  郭玉华  2022-01-01  晚上  157.060
3     10001  郭玉华  2022-01-02  上午  181.440
4     10001  郭玉华  2022-01-02  下午  181.440
...     ...  ...         ...  ..      ...
1045  10201  王利民  2022-01-15  下午  102.000
1046  10202   孙玲  2022-01-15  上午  358.160
1047  10202   孙玲  2022-01-15  下午  358.160
1048  10203  刘庆华  2022-01-15  上午  200.000
1049  10203  刘庆华  2022-01-15  下午  200.000

[1050 rows x 5 columns]

# (4) 打印删除重复数据后的总行数
1050

# (5) 打印透视表前五列数据
日期   2022-01-01  2022-01-02  2022-01-03  2022-01-04  2022-01-05
时段                                                            
上午     1399.12     1711.16     1952.96     1487.82     1625.46
下午     2234.23     1739.97     1613.83     1751.40     1661.19
晚上     1373.48     1676.47     1623.58     1452.96     1541.85
求和总量  5006.83     5127.60     5190.37     4692.18     4828.50

用代码实现根据表格给出的经纬度算出两个地点的驾车时间以及距离，注意一个表格一行只有一个地址的经纬度，需要算出每两个地址之间的距离以及驾车时间（使用高德地图），给的表格（excel表）数据只有两列，一列叫“地址”，一列叫'经纬度"，经纬度在同一列并用“，”隔开，最后将得到的数据绘制成excel表,生成的表格需要显示是哪两个地址之间的，驾车时间用小时做单位，距离用千米做单位（精度取一位小数）

你可以使用 Python 和 pandas 库来完成这个任务。首先，需要安装高德地图 Python SDK，可以通过 pip install gaode-sdk 来安装。接下来，你可以使用 pandas 读取 Excel 文件中的数据，对每一行的地址进行解析，然后调用高德地图 API 计算驾车时间和距离。

以下是示例代码，你需要将其中的高德地图 API key 替换为自己的：

import pandas as pd
from gaodesdk import get_distance

# 替换为你的高德地图 API key
key = 'your_gaode_map_api_key'

# 读取 Excel 文件
df = pd.read_excel('addresses.xlsx')

# 初始化结果表格
result = pd.DataFrame(columns=['起点', '终点', '距离(km)', '时间(h)'])

# 遍历每一行数据
for i in range(len(df)):
    # 解析地址和经纬度
    address, location = df.iloc[i]
    lat, lng = location.split(',')
    
    # 计算该地址与其他地址之间的距离和时间
    for j in range(i+1, len(df)):
        other_address, other_location = df.iloc[j]
        other_lat, other_lng = other_location.split(',')
        
        # 调用高德地图 API 计算距离和时间
        distance, duration = get_distance(key, (lng, lat), (other_lng, other_lat))
        
        # 将结果添加到结果表格中
        result.loc[len(result)] = [address, other_address, distance/1000, duration/3600]
        
# 保存结果到 Excel 文件中
result.to_excel('result.xlsx', index=False)

运行以上代码后，会生成一个名为 result.xlsx 的 Excel 文件，其中包含了每两个地址之间的距离和驾车时间。