2023(春)Python程序设计作业5:Pandas基础技能及综合应用

软工214唐泽邦 2023-春-学生 2023-05-20 09:56:39

实验一:Series对象的应用

实验要求:

  • 定义一个Series对象,包含5个整数数据;
  • 访问、修改Series对象中的数据;
  • 打印Series对象;
  • 对Series对象进行计算,如求和、求平均值等。
  • 修改代码:

  • import pandas as pd
    
    # 定义一个Series对象
    s = pd.Series([10, 20, 30, 40, 50])
    
    # 访问Series对象中的数据
    print(s[0])    # 输出第一个元素
    print(s[1:4])  # 输出第2个到第4个元素
    
    # 修改Series对象中的数据
    s[3] = 35
    
    # 打印Series对象
    print(s)
    
    # 对Series对象进行计算
    print(s.sum())  # 求和
    print(s.mean())  # 求平均值
    

    修改的意图:

  • 将访问的数据范围修改为索引1到索引4的元素(第2个到第4个元素)。
  • 将索引3的元素修改为35。
  • 代码运行的结果:
  •  

     

 

 

 

 

 结论:

      通过修改代码,改变了访问的数据范围并修改了特定元素的值,再对Series对象进行了求和和求平均值的计算。根据运行结果,修改后的代码能够正确地实现,并得到了相应的结果。

实验二:DataFrame对象的应用

实验要求:

  • 定义一个DataFrame对象,包含3个列,每列分别为整数、浮点数和字符串类型;
  • 访问、修改DataFrame对象中的数据;
  • 对DataFrame对象进行计算,如求和、求平均值等。
  • 实验二:DataFrame对象的应用

    要求:

  • 定义一个DataFrame对象,包含3个列,每列分别为整数、浮点数和字符串类型;
  • 访问、修改DataFrame对象中的数据;
  • 对DataFrame对象进行计算,如求和、求平均值等
  • 修改的代码:
  • import pandas as pd
    
    # 定义一个DataFrame对象
    data = {'int_col': [1, 2, 3, 4, 5], 'float_col': [1.2, 2.3, 3.4, 4.5, 5.6], 'str_col': ['a', 'b', 'c', 'd', 'e']}
    df = pd.DataFrame(data)
    
    # 访问DataFrame对象中的数据
    print(df['float_col'][2])  # 输出第三行第二列的数据
    print(df.loc[3, 'str_col'])  # 输出第四行第三列的数据
    
    # 修改DataFrame对象中的数据
    df.loc[4, 'int_col'] = 6
    
    # 对DataFrame对象进行计算
    print(df.sum())  # 求和
    print(df.mean())  # 求平均值
    

    修改的意图

  • 将访问的数据修改为第三行第二列的元素和第四行第三列的元素。
  • 将第五行第一列的元素修改为6。

       运行结果:

 

 

 

 

 

 

 

 

总结:

     我们改变了访问的数据和特定位置的元素的值。最后,我们对DataFrame对象进行了求和和求平均值的计算。根据运行结果,修改后的代码能够正确地实现我们的意图,并得到了相应的结果。

实验三:综合实例

实验要求:

  • 定义一个包含省会城市、人口、GDP、城市面积的DataFrame对象;
  • 计算各种排名,如人口最多的城市、GDP最高的城市等;
  • 使用Pandas绘图,可视化上述实验结果。

修改的代码:

import pandas as pd
import matplotlib.pyplot as plt

# 定义一个包含省会城市、人口、GDP、城市面积的DataFrame对象
data = {'city': ['北京', '上海', '广州', '深圳'], 'population': [2171, 2424, 1500, 1303], 
        'gdp': [30320, 32679, 20353, 22458], 'area': [16410, 6340, 7434, 1996]}
df = pd.DataFrame(data)

# 计算各种排名
pop_rank = df['population'].rank(ascending=False)
gdp_rank = df['gdp'].rank(ascending=False)
area_rank = df['area'].rank(ascending=False)

# 将排名添加到DataFrame对象中
df['pop_rank'] = pop_rank
df['gdp_rank'] = gdp_rank
df['area_rank'] = area_rank

# 使用Pandas绘图,可视化实验结果
df.plot(kind='bar', x='city', y=['population', 'gdp', 'area'], title='China Capital Cities')
plt.show()

修改的意图:

在绘图部分,添加了x轴和y轴的标签,以提供更清晰的可视化结果

运行结果:

 

 

 

 

 

 

 

结论:

     定义了DataFrame对象、计算排名和绘制可视化图表的任务。根据具体数据,我们可以得到人口、GDP和城市面积的排名结果,并使用条形图可视化展示。

...全文
25 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复

163

社区成员

发帖
与我相关
我的任务
社区描述
软件工程老师
python 高校 江苏省·南通市
社区管理员
  • juking@ntu
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧