2023（春）Python程序设计作业5：Pandas基础技能及综合应用

[软工211陈思好]

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。

代码实现：

1.  

   
   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
   

    

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。

示例代码：

import pandas as pd
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)
print(df['int_col'][0])#数据定位
print(df.loc[1, 'str_col'])
df.loc[2, 'float_col'] = 3.5#数据修改
print("求和为：",end='')
print(df.sum())
print("第一列平均值：",end='')
print(df['int_col'].mean())
print("第二列平均值：",end='')
print(df['float_col'].mean())

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。

示例代码：

1.  

    
   import pandas as pd
   import matplotlib.pyplot as plt
   from pylab import mpl
   # 设置显示中文字体
   mpl.rcParams["font.sans-serif"] = ["SimHei"]
   mpl.rcParams["axes.unicode_minus"] = False
   # 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
   print(df)
   #计算人口密度
   population_density=df['population']/df['area']
   #城市人均GDP
   GDP_per_people=df['gdp']/df['population']
   #数据添加在表格中
   df['population_density']=population_density
   df['GDP_per_people']=GDP_per_people
   print(df)
   # 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()

   结果：

 

[韩雨韩]

大佬nb