数据基础:numpy 与 pandas
pandas:Series 与 DataFrame
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
numpy 很擅长处理数字,但真实数据有带标签的、类型混杂的列:名字、日期、价格。这正是 pandas 的用武之地。它的主要对象是 DataFrame:一张带有命名列和行索引的表。
建立 DataFrame 最简单的方式是用字典,每个键是一个列名,每个值是由单元格组成的列表:
import pandas as pd
df = pd.DataFrame({
"name": ["Ada", "Bo", "Cy"],
"age": [30, 25, 35],
"city": ["NYC", "LA", "NYC"],
})
print(df)摸清任何一张表的几个基本操作:
print(df.shape) # (3, 3) rows, columns
print(df.columns) # Index(['name', 'age', 'city'], ...)
print(df.head(2)) # the first 2 rows
print(df.dtypes) # the type of each column单独一列是一个 Series(一维的带标签数组)。用方括号取出一列:
ages = df["age"]
print(ages.mean()) # 30.0
print(ages.max()) # 35df.shape 是一个元组 (n_rows, n_cols),所以 df.shape[0] 是行数。
轮到你了
用这个字典建立 DataFrame df:{"name": ["Ada", "Bo", "Cy", "Di"], "score": [88, 72, 95, 60]}。把行数存进 n_rows(用 df.shape)。然后把 score 列的平均值存进 avg_score。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。