Python数据分析 习题答案 单元3

0

单元3Pandas入门

一.填空题

1.二维

2.一维

3.Index

4.多层

5.新索引

6.位置、名称

7.NaN

8.sortindex()

9.sortvalues()

10.单层索引

二.选择题

1.ABC

2.A

3.B

4.C

5.B

6.B

7.D

8.ABC

9.A

10.A

三.判断题

1.✓

2.✓

3.

4.✓

5.

6.✓

7.

8.✓

9.

10.✓

四.应用题

1.答：

In[1]:importpandasaspd

Tn[2]:data={l1:100,12:200,13:300,14:400}

Tn[3]:ser=pd.Series(data)

In[4]:ser

Out[4]:

11100

12200

13300

M400

dtype:int64

2.答：

In[5]:importnumpyasnp

In[6]:data=np.arange(16)

In[8]:df=pd.DataFrame(data,reshape((4,4)),indcx=['a','b','c','d'],

columns=['A','B','C','D'])

Tn[9]:df

Out[9]:

ABCD

a0123

b4567

c891011

d12131415

3.答：

In[11]:ser=pd.Series(range(10,20),index=range(10))

In[12]:ser

Out[12]:

010

111

212

313

414

515

616

717

818

919

dtype:int64

In[14]:df=pd.DataFrame(np.arange(1,41).reshape(10,4))

In[15]:df

Out[15]:

0123

01234

15678

29101112

313141516

417181920

521222324

625262728

729303132

833343536

937383940

In[17]:df+ser

Out[17]:

0123456789

011131517NaNNaNNaNNaNNaNNaN

115171921NaNNaNNaNNaNNaNNaN

219212325NaNNaNNaNNaNNaNNaN

323252729NaNNaNNaNNaNNaNNaN

427293133NaNNaNNaNNaNNaNNaN

531333537NaNNaNNaNNaNNaNNaN

635373941NaNNaNNaNNaNNaNNaN

739414345NaNNaNNaNNaNNaNNaN

843454749NaNNaNNaNNaNNaNNaN

947495153NaNNaNNaNNaNNaNNaN

Tn[18]:df*ser

Out[18]:

012345G789

010223652NaNNaNNaNNaNNaNNaN

1506684104NaNNaNNaNNaNNaNNaN

290110132156NaNNaNNaNNaNNaNNaN

3130154180208NaNNaNNaNNaNNaNNaN

4170198228260NaNNaNNaNNaNNaNNaN

5210242276312NaNNaNNaNNaNNaNNaN

6250286324364NaNNaNNaNNaNNaNNaN

7290330372416NaNNaNNaNNaNNaNNaN

8330374420468NaNNaNNaNNaNNaNNaN

9370418468520NaNNaNNaNNaNNaNNaN

In[19]:df-ser

Out[19]:

0123456789

0-9-9-9-9NaNNaNNaNNaNNaNNaN

1-5-5-5-5NaNNaNNaNNaNNaNNaN

2-1-1-1-1NaNNaNNaNNaNNaNNaN

33333NaNNaNNaNNaNNaNNaN

47777NaNNaNNaNNaNNaNNaN

511111111NaNNaNNaNNaNNaNNaN

615151515NaNNaNNaNNaNNaNNaN

719191919NaNNaNNaNNaNNaNNaN

823232323NaNNaNNaNNaNNaNNaN

927272727NaNNaNNaNNaNNaNNaN

In[20]:df/ser

Out[20]:

0123456789

00.10.1818180.2500000.307692NaNNaNNaNNaNNaNNaN

0.50.5454550.5833330.615385NaNNaNNaNNaNNaNNaN

20.90.9090910.9166670.923077NaNNaNNaNNaNNaNNaN

31.31.2727271.2500001.230769NaNNaNNaNNaNNaNNaN

41.71.6363641.5833331.538462NaNNaNNaNNaNNaNNaN

2.12.0000001.91GGG71.84G154NaNNaNNaNNaNNaNNaN

62.52.3636362.2500002.153846NaNNaNNaNNaNNaNNaN

72.92.7272732.5833332.461538NaNNaNNaNNaNNaNNaN

83.33.0909092.9166672.769231NaNNaNNaNNaNNaNNaN

93.73.4545453.2500003.076923NaNNaNNaNNaNNaNNaN

4.答:

In[26]:df=pd.Series(np.random.randn(16),index=[['a','a','a',a,b,b,b,

'b','c','c','c','c','d','d','d','d'],[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]])

In[27]:df

Out[27]:

a1-0.750063

2-1.925862

31.467309