163
社区成员
发帖
与我相关
我的任务
分享2023（春）Python程序设计作业5：Pandas基础技能及综合应用
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。
示例代码：
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[2:4]) # 输出第3个到第4个元素
# 修改Series对象中的数据
s[1] = 25
# 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
修改后：
import pandas as pd
# 定义一个Series对象
s = pd.Series([10, 20, 30, 40, 50], index=['a', 'b', 'c', 'd', 'e'])
# 访问Series对象中的数据
print(s['a']) # 输出第一个元素
print(s['c':'e']) # 输出第3个到第5个元素
# 修改Series对象中的数据
s['b'] = 25
# 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
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。
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。
修改后的代码：
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
plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置字体为中文宋体
df.plot(kind='bar', x='city', y=['population', 'gdp', 'area'], title='China Capital Cities')
plt.xlabel('City')
plt.ylabel('Value')
plt.legend(['Population', 'GDP', 'Area'])
plt.show()
# 增加功能：找出人口最多的城市
most_populous_city = df.loc[df['population'].idxmax(), 'city']
print("Most populous city:", most_populous_city)
# 增加功能：计算人口密度
df['population_density'] = df['population'] / df['area']
print("Population density:")
print(df[['city', 'population_density']])
测试Pandas中对于多列数据的处理能力以及数据透视表的应用；
...全文
请发表友善的回复…
发表回复
