数据基础:numpy 与 pandas
项目:分析一个 CSV
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。
是时候把它们组合起来了。你要在内存里写一个小 CSV 文件,用 pandas 读回来,并计算分组聚合,真实的分析就是这样开始的。
pandas 可以从文件或内存缓冲区读取 CSV 文本。我们用 io.StringIO,这样什么都不会碰到磁盘:
import io
import pandas as pd
csv_text = "name,dept,salary\nAda,eng,100\nBo,eng,140\n"
df = pd.read_csv(io.StringIO(csv_text))
print(df)从这里开始,你已经知道怎么做了:用掩码过滤,用 groupby(...).agg(...) 分组,用 .loc 或按标签索引从 Series 里取出单个值。
你的任务:读取数据,然后建立一个汇总它的 results 字典。返回普通字典是把分析结果交给程序其余部分(或报告,或 LLM 提示词)的一种常见且可测试的方式。我们评分的是这个字典里的数字,而不是任何打印输出。
results 里要放什么
"n_rows":表的行数"total_salary":整个 salary 列的总和"avg_by_dept":把每个部门映射到其平均工资的字典(先用 groupby 求平均,再.to_dict())"top_dept":平均工资最高的部门
轮到你了
CSV 文本放在 csv_text 里。用 pd.read_csv(io.StringIO(csv_text)) 把它读进 DataFrame df。然后建立一个名为 results 的字典,包含这些键:"n_rows"(行数)、"total_salary"(salary 列的总和)、"avg_by_dept"(部门到平均工资的字典)和 "top_dept"(平均工资最高的部门)。
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。