数据分析 | Pandas 200道练习题，每日10道题，学完必成大神（1）

• ❤️ 作者简介：大家好我是小鱼干儿♛是一个热爱编程、热爱算法的大三学生，蓝桥杯国赛二等奖获得者
• 个人主页 ：https://blog.csdn.net/qq_52007481
• ⭐ 个人社区：【小鱼干爱编程】
• 算法专栏：算法竞赛进阶指南
• 数据分析专栏: 数据分析

前期准备

import pandas as pd
import numpy as np

1.使用字典数据创建DataFrame

data = {
    'grammer':['python','java','go',np.nan,'python','C','C++'],
    'score':[1,np.nan,np.nan,4,5,7,8]
}
df = pd.DataFrame(data)
df

2.提取grammer列是"python"的行

这个使用布尔值索引
先判断哪一个列是python，再根据这个返回的布尔值结果取出对应的行

df['grammer']=='python'

# 布尔值索引
df[df['grammer']=='python']

3.输出df的所有列名

df.columns

4.将列名score修改为popularity

修改列名有两种方式进行修改

1. 直接使用df.columns的方式重新命名，不过这种方式需要列出所有列名。
2. 使用rename方法，注意如果需要原地修改需要带上inplace=True的参数，否则原dataframe列名不会发生改变。

方式1

df.columns = ['grammer','popularity']

方式2

# 修改第二列列名为popularity
df.rename(columns={'score':'popularity'},inplace=True)
df

5.统计grammer列中每种编程语言出现的次数

value_counts() 统计一列中不同元素出现的个数，自动剔除空值

df['grammer'].value_counts()

6.将空值用上下值的平均值填充

注意这个平均值不是所有值的平均值，而是空值上下两个值的平均值

interpolate() # 求上下值得平均值
.fillna() 填充所有空值

# 将空值用上下值得平均值填充
df['popularity'].interpolate()  # 求上下值得平均值

df['popularity'].fillna(df['popularity'].interpolate())  # 填充空值

df['popularity'] = df['popularity'].fillna(df['popularity'].interpolate()) # 替换原数据
df

7.提取popularity中值大于3的行

# 提取popularity中值大于3的行
df[df['popularity'] > 3]  # 布尔值索引

8.按照grammer列进行去除重复值的行

drop_duplicates(）删除指定列重复的行，默认不修改原数据，如果想修改原数据需要添加参数inplace=True

# 按照grammer列进行去除重复值的行
df.drop_duplicates(['grammer'])

9.计算popularity列平均值

mean() 求数据型列的平均值,不包含空值

# 计算popularity列平均值
df['popularity'].mean()

10.将grammer列转换成list

因为在做一些分析的时候使用python的列表操作更加的方便
to_list() 是pandas自带的转换成list的函数，不会出现转换后数据有问题的情况

df['grammer'].to_list()