项目:调查一个数据集
你学过了 pandas。现在像分析师那样使用它:拿到一张表,向它提问,并把答案画成图。起始代码为你建好了一份逼真的 90 天消费记录(列为 date, category, amount, merchant)。它是用 random.seed(0) 生成的,所以每个人都得到完全相同的数字,你的答案也可以被检查。
你的任务是分析。写三个函数,然后画一张图。
monthly_totals(df)-> 一个像{"2026-01": 3499.72, ...}这样的字典:每个日历月的总消费,四舍五入到 2 位小数。用pd.to_datetime(df["date"]).dt.strftime("%Y-%m")从日期得到月份键,然后df.groupby(that)["amount"].sum(),再.round(2).to_dict()。top_merchants(df, n)-> 你花钱最多的 n 个商家,最高的在前,作为一个名字列表。按merchant分组,对amount求和,降序排序,取前 n 个索引标签。weekend_vs_weekday_avg(df)->{"weekend": ..., "weekday": ...}:周六/周日与一周其余时间相比的平均每笔交易额。用.dt.dayofweek得到星期几(周六是 5,周日是 6),并对每组求平均。
然后为每月总额画一张柱状图:
fig, ax = plt.subplots()
ax.bar(list(totals.keys()), list(totals.values()))
ax.set_title("Spending by month")不要调用 plt.show():沙盒会替你渲染这张图。按 Run 打印你的发现,并看到图表出现。因为数据设了种子,最忙的月份和你排名第一的商家对每个人都是一样的,这正是评分器能检查你的工作的原因。
使用起始代码建好的、设了种子的 90 行消费 df,写 monthly_totals(df)(一个四舍五入到 2 位小数的 {"YYYY-MM": total} 字典)、top_merchants(df, n)(消费最高的 n 个商家,最高的在前)和 weekend_vs_weekday_avg(df)({"weekend", "weekday"} 平均金额,周六/周日对比其余时间)。然后用 fig, ax = plt.subplots() 和 ax.bar(...) 为每月总额建一张柱状图(不要 plt.show())。
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。