data = pd.concat([dates_year, dates_ratings], axis=1) data.columns = ['year', 'rating'] data = data.groupby('year').mean().reset_index() 将平均分只显示小数点后面一位

可以使用 Pandas 中的 `round()` 函数来实现：

data = pd.concat([dates_year, dates_ratings], axis=1)
data.columns = ['year', 'rating']
data = data.groupby('year').mean().reset_index()
data['rating'] = data['rating'].round(1)

这样就可以将 `rating` 列中的所有值保留小数点后面一位。

相关问题

优化代码 data = pd.concat([dates_year, dates_ratings], axis=1) data.columns = ['year', 'rating'] data = data.groupby('year').mean().reset_index() data['rating'] = data['rating'].round(1)

可以将这几行代码优化成一行：

data = pd.concat([dates_year, dates_ratings], axis=1).groupby('year').mean().round(1).reset_index().rename(columns={'rating': 'mean_rating'})

这样就不需要多次对 `data` 进行操作，而是一次性地使用 `groupby` 和 `mean` 函数完成了对年份的分组并计算了平均评分，然后使用 `round` 函数将结果保留一位小数，最后使用 `reset_index` 函数重置索引并将列名 `rating` 改为 `mean_rating`。

cls.params["folderId"] = folder_id res = requests.get(url=cls.url, params=cls.params) js_data = json.loads(res.text)["data"] js_data_folders: list[dict] = js_data["FoldersInfo"] js_data_files: list[dict] = js_data["FilesInfo"] df = pd.concat([df, pd.DataFrame(js_data_files)], axis=0) ft = pd.concat([ft, pd.DataFrame(js_data_folders)], axis=0) folders_to_process = js_data_folders.copy() while folders_to_process: folder_id = folders_to_process.pop(0)["FolderId"] cls.params["folderId"] = folder_id res = requests.get(url=cls.url, params=cls.params) js_data = json.loads(res.text)["data"] js_data_folders: list[dict] = js_data["FoldersInfo"] js_data_files: list[dict] = js_data["FilesInfo"] df = pd.concat([df, pd.DataFrame(js_data_files)], axis=0) ft = pd.concat([ft, pd.DataFrame(js_data_folders)], axis=0) folders_to_process.extend(js_data_folders) return df, ft 优化这段代码

这段代码已经进行了一些优化，但是还有一些可以改进的地方：

1. 需要确保请求返回的数据格式和结构是正确的，否则可能会导致代码出错。可以添加一些异常处理机制，例如使用 try-except 捕获异常并记录错误日志。
2. 对于返回的数据，可以使用 data.get("FoldersInfo", []) 和 data.get("FilesInfo", []) 来获取需要的信息，这样可以避免出现 Key Error 的问题。
3. 可以使用列表推导式来简化代码，例如使用 [x["FolderId"] for x in js_data_folders] 来获取所有文件夹的 ID。

下面是一个可能的优化方案：

def get_all_file_info(cls, folder_id, df, ft):
    """
    获取指定文件夹及其子文件夹中的所有文件和文件夹信息
    :param cls: 类实例
    :param folder_id: 文件夹 ID
    :param df: 文件信息 DataFrame
    :param ft: 文件夹信息 DataFrame
    :return: 文件信息 DataFrame 和文件夹信息 DataFrame
    """
    try:
        cls.params["folderId"] = folder_id
        res = requests.get(url=cls.url, params=cls.params)
        res.raise_for_status()
        data = json.loads(res.text)["data"]
    except (requests.HTTPError, ValueError) as e:
        logging.error(f"Failed to get file info for folder {folder_id}: {e}")
        return df, ft

    js_data_folders = data.get("FoldersInfo", [])
    js_data_files = data.get("FilesInfo", [])

    df = pd.concat([df, pd.DataFrame(js_data_files)], axis=0)
    ft = pd.concat([ft, pd.DataFrame(js_data_folders)], axis=0)

    folders_to_process = [x["FolderId"] for x in js_data_folders]
    while folders_to_process:
        folder_id = folders_to_process.pop(0)
        try:
            cls.params["folderId"] = folder_id
            res = requests.get(url=cls.url, params=cls.params)
            res.raise_for_status()
            data = json.loads(res.text)["data"]
        except (requests.HTTPError, ValueError) as e:
            logging.error(f"Failed to get file info for folder {folder_id}: {e}")
            continue

        js_data_folders = data.get("FoldersInfo", [])
        js_data_files = data.get("FilesInfo", [])

        df = pd.concat([df, pd.DataFrame(js_data_files)], axis=0)
        ft = pd.concat([ft, pd.DataFrame(js_data_folders)], axis=0)
        folders_to_process.extend([x["FolderId"] for x in js_data_folders])

    return df, ft

这个优化方案添加了异常处理机制，使用了 data.get() 方法来获取需要的信息，并使用了列表推导式来获取所有文件夹的 ID。如果请求出错，会记录错误日志并跳过当前文件夹的处理。