pandas实例练习

练习一、端午节淘宝粽子交易问题：
（1） 请删除最后一列为缺失值的行，并求所有在杭州发货的商品单价均值。
(2) 商品标题带有“嘉兴”，但发货地却不在嘉兴的商品有多少记录？（3）请按照分位数将价格分为“高、较高、中、较低、低”5个类别，再将类别结果插入到标题一列后，最后对类别列进行降序排序。
（4）付款人数一栏有缺失值吗？若有则请利用上一问的分类结果对这些缺失值进行合理估计并填充
（5）请将数据后四列合并为如下格式的Series：商品发货地为XX，店铺为XX，共计XX人付款，单价为XX。
（6）请将上一问中的结果恢复成原来的四列。 第一问：请删除最后一列为缺失值的行，并求所有在杭州发货的商品单价均值。

##删除发货地为缺失值的行
import pandas as pd
import numpy as np
df = pd.read_csv('data/table_damplings.csv',encoding='gbk')
#df.rename(columns={'标题':'name','价格':'price','付款人数':'number','店铺':'shop','发货地址':'address'},inplace=True)
df.columns=["name","price","number","shop","address"] df[df['address'].isna()].dropna(axis=0,how='any') ##求在杭州发货的商品单价均值df_1 = df[df['address']=='浙江 杭州']
df_1['price'] = pd.to_numeric(df_1['price'])df_1['price'].mean()
##结果为80.90088888

第二问：商品标题带有“嘉兴”，但发货地却不在嘉兴的商品有多少记录？
这里我使用的是比较笨的方法，当时不知道不等于怎么写，就用名字包含嘉兴的商品记录数减去发货地在浙江嘉兴的了

df_2 = df[df['name'].str.contains('嘉兴')]
df_3 = df_2[df_2['address'] == '浙江 嘉兴']
len(df_2)-len(df_3)

第三问：请按照分位数将价格分为“高、较高、中、较低、低”5个类别，再将类别结果插入到标题一列后，最后对类别列进行降序排序。

bins = df['price'].quantile(np.linspace(0,1,6)).tolist()
cuts = pd.cut(df['price'],bins=bins,labels=['低','较低','中','较高','高']) 
#可选label添加自定义标签
df['cuts'] = cuts
df.head()

df_2 = df.sort_values(by=['cuts'],ascending=False)
df_2.head()

第四问：付款人数一栏有缺失值吗？若有则请利用上一问的分类结果对这些缺失值进行合理估计并填充。
答：有缺失值，71个。

df['number'].isna().sum()
df_2['number'].fillna(method='ffill')  ###选择向前填充
df_2.head()

第五问：请将数据后四列合并为如下格式的Series：商品发货地为XX，店铺为XX，共计XX人付款，单价为XX。

df_2['infor'] = "商品发货地为"+df_2['address'].map(str)+' , '+"店铺为"+df_2['shop'].map(str)+' , '+"共计人付款"+df_2['number'].map(str)+' , '+"单价为"+df_2['price'].map(str)
df_2.head()

第六问:请将上一问中的结果恢复成原来的四列。

pd.concat([df_2,df_2['infor'].str.split(',',expand=True)],axis = 1).head()