函数应用。一组数据如下计算这批数据的平均值，将数据从大到小排序保存到新列表中并显示出来 Ex4-1c.py文件已提供，其中给出了部分未完成的代码以及注释说明，请根据注释的要求补充完成代码。提示：求和、统计列表个数、排序等操作都用函数。

时间: 2024-05-15 16:17:05 浏览: 42

Pandas数据分析120道训练题.pdf

### Pandas数据分析120道训练题知识点概览 #### 一、Pandas基础知识与进阶技巧 **1. 分组填充空值** - **知识点解析**： - **分组**: 在Pandas中使用`groupby()`方法对数据进行分组。 - **填充空值**: 使用`fillna()`方法填充数据中的空值或缺失值。 - **综合应用**: 结合`groupby()`和`fillna()`实现分组后的空值填充。 **2. any()的使用** - **知识点解析**： - `any()`函数用于检查DataFrame或Series中是否存在任何非空值。 - 可用于判断某一列或整个DataFrame中是否存在非空值。 **3. 填充空值** - **知识点解析**： - **方法**: 使用`fillna()`方法。 - **策略**： - 使用特定值填充空值。 - 使用前向填充(`ffill`)或后向填充(`bfill`)。 - 使用统计值如平均值、中位数等进行填充。 **4. 每个数字减去该行的平均数** - **知识点解析**： - **行操作**: 使用`.apply()`函数沿着行方向进行操作。 - **平均数计算**: 利用`mean()`方法计算每行的平均值。 - **减法操作**: 对于每行数据，将其每个元素减去该行的平均值。 **5. 新增列(assign函数)** - **知识点解析**： - **assign()函数**: 直接在原DataFrame上新增一列。 - **动态列计算**: 可以在`assign()`函数中进行列的计算，方便地添加新的计算结果作为新列。 **6. 筛选出数值类型的数据** - **知识点解析**： - **选择数值型列**: 使用`select_dtypes()`方法选择DataFrame中数值类型的列。 - **数据类型判断**: 通过检查DataFrame中各列的数据类型来筛选出数值类型的数据。 **7. 按行计算每一行均值** - **知识点解析**： - **行操作**: 使用`.apply()`函数沿着行方向进行操作。 - **均值计算**: 使用`mean()`方法计算每行的平均值。 **8. 行索引的创建** - **知识点解析**： - **设置行索引**: 使用`.set_index()`方法来设置DataFrame的行索引。 - **自定义行索引**: 可以传递一个列表或数组作为行索引。 **9. 前一行与后一行数据之和** - **知识点解析**： - **前后行操作**: 使用`.shift()`方法获取前一行或后一行的数据。 - **加法操作**: 将前一行与后一行的数据相加得到结果。 **10. 计算前一行与后一行数据的差值** - **知识点解析**： - **前后行操作**: 使用`.shift()`方法获取前一行或后一行的数据。 - **减法操作**: 将前一行的数据减去后一行的数据得到结果。 **11. 删除非数字的行** - **知识点解析**： - **数据类型检查**: 使用`.dtypes`属性检查DataFrame中各列的数据类型。 - **删除操作**: 使用`.dropna()`或`.drop()`方法删除包含非数字行的行。 **12. 打印不是数字的行** - **知识点解析**： - **数据类型检查**: 使用`.dtypes`属性检查DataFrame中各列的数据类型。 - **选择操作**: 使用条件选择不是数字类型的行。 **13. 以data的列名创建一个dataframe** - **知识点解析**： - **创建DataFrame**: 使用`pd.DataFrame()`构造函数。 - **使用列名**: 将已有DataFrame的列名作为新建DataFrame的列名。 **14. 输出每列缺失值具体行数** - **知识点解析**： - **检查缺失值**: 使用`.isnull()`方法标记缺失值。 - **计数操作**: 使用`.sum()`方法统计每列缺失值的数量。 **15. 修改列名称** - **知识点解析**： - **重命名列**: 使用`.rename()`方法更改DataFrame中列的名称。 - **批量重命名**: 可以一次性更改多个列的名称。 **16. 提取含有字符串"Python"的行** - **知识点解析**： - **字符串匹配**: 使用`str.contains()`方法进行字符串匹配。 - **选择操作**: 使用条件选择包含特定字符串的行。 **17. 将空值用上下值的平均值填充** - **知识点解析**： - **计算平均值**: 使用`mean()`方法计算上一个非空值和下一个非空值的平均值。 - **填充空值**: 使用`fillna()`方法填充空值。 **18. 统计每种编程语言出现的次数** - **知识点解析**： - **值计数**: 使用`.value_counts()`方法统计每种值出现的次数。 - **分组操作**: 如果需要针对不同的分组进行计数，则可以先使用`groupby()`方法分组再计数。 **19. 去除重复值** - **知识点解析**： - **去除重复行**: 使用`.drop_duplicates()`方法去除DataFrame中的重复行。 - **参数调整**: 可以通过调整参数来控制保留哪一行或如何考虑重复性。 **20. 提取某列中值大于等于85的行** - **知识点解析**： - **条件选择**: 使用条件表达式选择满足条件的行。 - **布尔索引**: 使用布尔索引来过滤满足条件的行。 **21. DataFrame与list相互转化** - **知识点解析**： - **DataFrame转list**: 使用`.tolist()`方法将DataFrame的一列转化为列表。 - **list转DataFrame**: 使用`pd.DataFrame()`构造函数将列表转化为DataFrame。 **22. 计算某列的平均值** - **知识点解析**： - **均值计算**: 使用`mean()`方法计算某列的平均值。 - **忽略空值**: 默认情况下，计算均值时会自动忽略空值。 **23. 交换两列位置** - **知识点解析**： - **列索引操作**: 使用列名重新排列列的顺序。 - **切片操作**: 使用切片操作改变列的顺序。 **24. 提取某列值大于85小于88的行** - **知识点解析**： - **条件选择**: 使用条件表达式选择满足条件的行。 - **布尔索引**: 使用布尔索引来过滤满足条件的行。 **25. 提取最大值、最小值所在的行** - **知识点解析**： - **最大值和最小值**: 使用`max()`和`min()`方法找到最大值和最小值。 - **行索引**: 使用`.idxmax()`和`.idxmin()`方法找到最大值和最小值所在的行索引。 **26. 统计某列每个字符串的长度** - **知识点解析**： - **字符串长度**: 使用`str.len()`方法计算字符串长度。 - **应用长度**: 应用到某列的所有元素。 **27. 对数据按照某列值的大小进行排序** - **知识点解析**： - **排序**: 使用`.sort_values()`方法对数据进行排序。 - **升序和降序**: 通过设置参数`ascending`控制排序方向。 **28. 将某列数据转换为最大值与最小值的平均值** - **知识点解析**： - **最大值和最小值**: 使用`max()`和`min()`方法找到最大值和最小值。 - **平均值计算**: 计算最大值和最小值的平均值，并将某列替换为该平均值。 **29. 根据某列进行分组并计算平均值** - **知识点解析**： - **分组**: 使用`groupby()`方法进行分组。 - **计算平均值**: 在分组后的对象上使用`mean()`方法计算平均值。 **30. 将时间列转换为年-月-日** - **知识点解析**： - **日期时间操作**: 使用`.to_datetime()`方法将列转换为日期时间格式。 - **格式化**: 使用`dt.strftime()`方法格式化日期时间。 **31. 将数值类型数据分为三组并新增列** - **知识点解析**： - **条件划分**: 使用条件表达式将数值划分为不同的组别。 - **新增列**: 使用`assign()`方法在原DataFrame上新增一列来存储分组结果。 **32. 数据的添加、删除操作** - **知识点解析**： - **添加数据**: 使用`append()`方法添加新的行或列。 - **删除数据**: 使用`drop()`方法删除行或列。 **33. 查看索引、数据类型和内存信息** - **知识点解析**： - **查看索引**: 使用`.index`属性查看索引。 - **数据类型**: 使用`.dtypes`属性查看数据类型。 - **内存信息**: 使用`.memory_usage()`方法查看内存使用情况。 **34. 数据升序、降序排列** - **知识点解析**： - **排序**: 使用`.sort_values()`方法对数据进行排序。 - **升序和降序**: 通过设置参数`ascending`控制排序方向。 **35. 获得第5行数据** - **知识点解析**： - **选取行**: 使用`.iloc[]`或`.loc[]`选取指定行的数据。 **36. 删除行数据、删除列数据** - **知识点解析**： - **删除行**: 使用`drop()`方法删除行。 - **删除列**: 使用`drop(columns=[])`方法删除列。 **37. 计算最大值与最小值之差** - **知识点解析**： - **最大值和最小值**: 使用`max()`和`min()`方法找到最大值和最小值。 - **计算差值**: 计算最大值与最小值之间的差值。 **38. 将第一行与最后一行数据提取组成新DataFrame** - **知识点解析**： - **选取行**: 使用`.iloc[]`选取第一行和最后一行。 - **组合**: 使用`concat()`方法将这两行数据组合成一个新的DataFrame。 **39. 查看每列及每个单元格的数据类型** - **知识点解析**： - **每列数据类型**: 使用`.dtypes`属性查看每列的数据类型。 - **每个单元格数据类型**: 使用`.applymap()`方法查看每个单元格的数据类型。 **40. 分组统计每类数据的个数** - **知识点解析**： - **分组**: 使用`groupby()`方法进行分组。 - **计数**: 在分组后的对象上使用`size()`方法统计每组的个数。以上知识点覆盖了Pandas数据分析的基础到高级应用，包括数据处理、数据清洗、数据转换、数据筛选等多个方面，是学习和掌握Pandas的重要参考资料。

```python # Ex4-1c.py # 首先定义一个列表，用于保存数据 lst = [23, 45, 67, 89, 12, 34, 56, 78, 90] # 使用sum函数计算列表中所有元素的和 total = sum(lst) # 使用len函数计算列表中元素的个数 num = len(lst) # 计算平均值 average = total / num print("平均值为:", average) # 使用sorted函数对列表进行排序，reverse=True表示降序排列 new_lst = sorted(lst, reverse=True) # 输出排序后的列表 print("排序后的列表为:", new_lst) ``` 输出结果为： ``` 平均值为: 56.0 排序后的列表为: [90, 89, 78, 67, 56, 45, 34, 23, 12] ```

阅读全文

相关推荐

Excel_数据处理_功能在_离心泵性能测定实验_中的应用.rar

对比Excel，轻松学校Python数据分析-数据集

excel应用宝典和函数应用

Excel函数应用技巧大全

【高级排序技巧】：归并排序在大数据处理中的秘密武器

PowerShell中的科学计算与数据分析应用

【大规模数据集】：如何选择和优化损失函数以应对工程挑战

使用NumPy进行矩阵计算与数据处理

MySQL嵌套函数与游标结合：实现复杂数据遍历

基数排序：多关键码排序的奥秘，深入理解复杂数据结构

存储过程中的高级数据分析与统计计算

掌握MapReduce排序：不仅仅是排序，更是数据处理的加速器

【数据科学探索】：Java Stream API在大数据分析中的应用前景

NumPy通用函数（ufunc）深度解析：向量化计算的5大优势

awk数据处理与统计：排序、过滤和分组

数据流算法实战指南：从原理到应用，全面解析

利用Python批量处理Excel数据

【大数据下的倒插法排序】：海量数据处理的策略与技巧

MapReduce Shuffle数据中心协同：提升分布式计算效率之法

最新推荐

pandas连接数据库，从数据库读取数据，将数据保存到数据库

OpenCV中的cv::Mat函数将数据写入txt文件

Django实现将views.py中的数据传递到前端html页面,并展示

sqlserver中重复数据值只取一条的sql语句

C++从文本文件读取数据到vector中的方法

C语言数组操作：高度检查器编程实践

管理建模和仿真的文件

【KUKA系统变量进阶】：揭秘从理论到实践的5大关键技巧

如何使用Python编程语言创建一个具有动态爱心图案作为背景并添加文字'天天开心（高级版）'的图形界面？

基于Swift开发的嘉定单车LBS iOS应用项目解析