Python數(shù)據(jù)分析基礎(chǔ)與應(yīng)用電子活頁9-1模塊9在線練習(xí)與考核

Python數(shù)據(jù)分析基礎(chǔ)與應(yīng)用模塊電子活頁9-1在線練習(xí)與考核1．創(chuàng)建一個(gè)DataFrame對(duì)象，數(shù)據(jù)集名稱data，行索引為labels，data和labels的定義代碼如下：importnumpyasnpdata={'animal':['cat','cat','snake','dog','dog','cat','snake','cat','dog','dog'],'age':[2.5,3,0.5,np.nan,5,2,4.5,np.nan,7,3],'visits':[1,3,2,3,2,3,1,1,2,1],'priority':['yes','yes','no','yes','no','no','no','yes','no','no']}labels=['a','b','c','d','e','f','g','h','i','j']（1）基于data和labels創(chuàng)建一個(gè)df數(shù)據(jù)集，對(duì)應(yīng)的代碼為。參考答案：df=pd.DataFrame(data=data,index=labels)（2）顯示有關(guān)df數(shù)據(jù)集及其數(shù)據(jù)的基本信息，對(duì)應(yīng)的代碼為。參考答案：()（3）查看df數(shù)據(jù)集的前3行數(shù)據(jù)，對(duì)應(yīng)的代碼為。參考答案：df.head(3)（4）取出df數(shù)據(jù)集第13行數(shù)據(jù)，對(duì)應(yīng)的代碼為。參考答案：df.loc[12]（5）選擇df數(shù)據(jù)集中列索引為“animal”和“age”的數(shù)據(jù)，對(duì)應(yīng)的代碼為。參考答案：df.loc[:,['animal','age']]（6）選擇df數(shù)據(jù)集中行索引為[3,4,8]，且列索引為['animal','age']的數(shù)據(jù)，對(duì)應(yīng)的代碼為。參考答案：df.iloc[[3,4,8]].loc[:,['animal','age']]或者df.loc[df.index[[3,4,8]],['animal','age']]（7）選擇df數(shù)據(jù)集中“visits”列的值大于2的行，對(duì)應(yīng)的代碼為。參考答案：df[df['visits']>2]（8）選擇df數(shù)據(jù)集中“age”列的值為缺失值的行，對(duì)應(yīng)的代碼為。參考答案：df[df['age'].isnull()]（9）選擇df數(shù)據(jù)集中“animal”列的值為“cat”，且“age”列的值小于3的行，對(duì)應(yīng)的代碼為。參考答案：df[(df['animal']=='cat')&(df['age']<3)]（10）選擇df數(shù)據(jù)集中“age”列的值為2到4（包含邊界值）的數(shù)據(jù)，對(duì)應(yīng)的代碼為。參考答案：df[df['age'].between(2,4)]（11）將df數(shù)據(jù)集中“f”行的“age”列的值改為1.5，對(duì)應(yīng)的代碼為。參考答案：df.loc['f','age']=1.5（12）計(jì)算df數(shù)據(jù)集中“visits”列的數(shù)據(jù)總和，對(duì)應(yīng)的代碼為。參考答案：df['visits'].sum()（13）計(jì)算df數(shù)據(jù)集中每種animal的平均age，對(duì)應(yīng)的代碼為。參考答案：df.groupby('animal')['age'].mean()（14）在df數(shù)據(jù)集中追加一行（“k”行），該行的數(shù)據(jù)與“a”行數(shù)據(jù)相同，對(duì)應(yīng)的代碼為。參考答案：df.loc['k']=df.loc['a'].values（15）刪除df數(shù)據(jù)集中新追加的“k”行，對(duì)應(yīng)的代碼為。參考答案：df.drop('k',inplace=True)（16）計(jì)算df數(shù)據(jù)集中每種animal的數(shù)量，對(duì)應(yīng)的代碼為。參考答案：df.groupby('animal').size()或者df['animal'].value_counts()（17）將df數(shù)據(jù)集先根據(jù)“age”列的值降序排列，再根據(jù)“visits”列的值升序排列，對(duì)應(yīng)的代碼為。參考答案：df.sort_values(by=['age','visits'],ascending=[False,True])（18）將df數(shù)據(jù)集“priority”列的'yes'和'no'分別使用True、False替換，對(duì)應(yīng)的代碼為。參考答案：df['priority']=df['priority'].replace(to_replace=['yes','no'],value=[True,False])或者df['priority']=df['priority'].map({'yes':True,'no':False})（19）將df數(shù)據(jù)集中“animal”列的'snake'用'frog'替換，對(duì)應(yīng)的代碼為。參考答案：df['animal']=df['animal'].replace(to_replace='snake',value='frog')（20）在df數(shù)據(jù)集中對(duì)于每種動(dòng)物類型和每種訪問次數(shù)，求出平均年齡。參考答案：df.pivot_table(index='animal',columns='visits',values='age',aggfunc='mean')2．針對(duì)當(dāng)前文件夾下的子文件夾data中的CSV文件“數(shù)據(jù)1.csv”，回答以下問題。（1）從CSV文件中讀取指定數(shù)據(jù)，并在讀取數(shù)據(jù)時(shí)將薪資大于10000的值改為“高”，對(duì)應(yīng)的代碼為。參考答案：df=pd.read_csv(r'.\data\數(shù)據(jù).csv',converters={'薪資水平':lambdax:'高'iffloat(x)>10000else'低'})（2）對(duì)“薪資水平”列每隔20行進(jìn)行一次抽樣，對(duì)應(yīng)的代碼為。參考答案：df.iloc[::20,:][['薪資水平']]（3）再次讀取“數(shù)據(jù)1.CSV”并顯示所有的列，對(duì)應(yīng)的代碼為。參考答案：df=pd.read_csv(r'.\data\數(shù)據(jù)1.csv',encoding='gbk')pd.set_option("display.max.columns",None)df（4）查找df數(shù)據(jù)集中secondType與thirdType值相等的行號(hào)，對(duì)應(yīng)的代碼為。參考答案：np.where(df.secondType==df.thirdType)（5）查找df數(shù)據(jù)集中薪資大于平均薪資的第3個(gè)數(shù)據(jù)，對(duì)應(yīng)的代碼為。參考答案：np.argwhere(df['salary']>df['salary'].mean())[2]（6）對(duì)“salary”列求平方根，對(duì)應(yīng)的代碼為。參考答案：df[['salary']].apply(np.sqrt)（7）將“l(fā)inestaion”列按_拆分，對(duì)應(yīng)的代碼為。參考答案：df['split']=df['linestaion'].str.split('_')（8）查看df數(shù)據(jù)集中一共有多少列，對(duì)應(yīng)的代碼為。參考答案：df.shape[1]（9）提取df數(shù)據(jù)集中“industryField”列以'數(shù)據(jù)'開頭的行，對(duì)應(yīng)的代碼為。參考答案：df[df['industryField'].str.startswith('數(shù)據(jù)')]（10）按列制作數(shù)據(jù)透視表，對(duì)應(yīng)的代碼為。參考答案：pd.pivot_table(df,values=["salary","score"],index="positionId")（11）同時(shí)對(duì)df數(shù)據(jù)集中“salary”“score”