数据分析 | Pandas 200道练习题 进阶篇（3）

• ❤️ 作者简介：大家好我是小鱼干儿♛是一个热爱编程、热爱算法的大三学生，蓝桥杯国赛二等奖获得者
• 🐟 个人主页 ：https://blog.csdn.net/qq_52007481
• ⭐ 个人社区：【小鱼干爱编程】
• 💯 刷题网站：数据分析在线练习必备网站 👉牛客网

DA21 大佬用户成就值比例

刷题网址：牛客网

题意分析
解题还是需要分为三步，一找出7级大佬，二计算出所有人的成就值和，三计算每个7级大佬的成就值占所有值的比例。
题解

import pandas as pd
df = pd.read_csv('Nowcoder.csv')
big_df = df[df['Level'] == 7]
s = df['Achievement_value'].sum()
print(big_df['Achievement_value']/s)

1
2
3
4
5
6

DA22 牛客网用户最高的正确率

题意分析
从题目中我们能够发现需要先找出刷题数量大于10道的人，，然后分别计算每一个人的正确率，最后需要找出最高的正确率(保留3位小数)
题解

import pandas as pd
df = pd.read_csv('Nowcoder.csv')
new_df = df[df['Num_of_exercise']>10]
z=new_df['Num_of_exercise']/new_df['Number_of_submissions']
print(z.max().round(3))
1
2
3
4
5

DA23 统计牛客网用户的名字长度

题意分析
题目就是想让计算字符串的长度
题解

import pandas as pd
df = pd.read_csv('Nowcoder.csv')
print(df['Name'].apply(len))
1
2
3

相关函数

• apply 传入的参数是一个函数，数据对象会依次调用这个函数

24-27为数据清洗的部分

DA24 去掉信息不全的用户

使用的数据仍然是Nowcoder.csv

题意分析
题目让我做的就是删除出现空值的行
题解1

import pandas as pd
df = pd.read_csv('Nowcoder.csv',dtype=object)
# 意因为牛客这个在线测试还不够完善，如果不设置显示宽度和行数就会报错，是一个待优化的地方。
pd.set_option('display.width', 300)  # 设置字符显示宽度
pd.set_option('display.max_rows', None)  # 设置显示最大行
pd.set_option('display.max_columns', None)
# dropna(axis=0) 删除存在空值的行
print(df.dropna(axis=0))  
1
2
3
4
5
6
7
8

题解2
使用isnull().any(axis=1)找出含有空值的行，取数据的时候筛除

import pandas as pd
df = pd.read_csv('Nowcoder.csv',dtype=object)
pd.set_option('display.width', 300)  # 设置字符显示宽度
pd.set_option('display.max_rows', None)  # 设置显示最大行
pd.set_option('display.max_columns', None)
# axis=1 等于代表对行中的数据进行判断
d = df.isnull().any(axis=1)  
print(df.loc[-d])
1
2
3
4
5
6
7
8

注意 any(axis=1)和dropna(axis=0)中作用的都是行，我们平时也不能按照axis=1就是列，axis=0就代表行来理解，关于这个怎样理解pandas 中axis=1和axis=0回来会详细出一篇博客进行讲解。

DA25 修补缺失的用户数据

使用的数据仍然是Nowcoder.csv

题意分析
题目就是让根据条件填充空值
处理空值是我们在实际生活中经常要做的工作，关于这个处理空值的方式也有很多。
题解1
通过字典指定指定不同的列执行

import pandas as pd
df = pd.read_csv('Nowcoder.csv')
pd.set_option('display.width', 300)  # 设置字符显示宽度
pd.set_option('display.max_rows', None)  # 设置显示最大行
pd.set_option('display.max_columns', None)
g = df['Graduate_year'].max()
a = df['Achievement_value'].mean().round(0)
dic = {"Graduate_year":g,
        'Language':'Python',
        'Achievement_value': a 
}
print(df.fillna(value=dic))
1
2
3
4
5
6
7
8
9
10
11
12

题解2

import pandas as pd
 
df = pd.read_csv("Nowcoder.csv", sep=",")
pd.set_option("display.width", 300)  # 设置字符显示宽度
pd.set_option("display.max_rows", None)  # 设置显示最大行
pd.set_option("display.max_columns", None)
a = df["Graduate_year"].max()
df['Graduate_year'].fillna(value=a)
df['Language'].fillna('Python')
df['Achievement_value'].fillna(df['Achievement_value'].mean().round(0))
print(df)
1
2
3
4
5
6
7
8
9
10
11

注意这里使用的round不是python的函数是pandas中的round函数，python中的round函数并不是四舍五入，pandas中的round函数是四舍五入。

相关函数

• fillna 的使用方法,这个设计的方式太多了，明天出一篇fillna的详解，总结几乎全部的使用方式

DA26 解决牛客网用户重复的数据

使用的数据仍然是Nowcoder.csv

题意分析
找出所有的重复行
将重复的行留一行，其余的删除

题解
关于这个重复的行我们使用pandas中自带的函数进行处理，其实我们也可以使用python中的方法进行解题，但是这样就绕远路了

import pandas as pd
df = pd.read_csv('Nowcoder.csv')
print(df.duplicated())
print(df.drop_duplicates())
1
2
3
4

相关的函数

• duplicated(subset=[],keep='first',) 判断每一行是否是重复的行，如果是重复的行返回true，否则返回false
  • subset：表示要进去重的列名，默认为 None。
  • keep：有三个可选参数，分别是 first、last、False，默认为 first，表示只有第一次出现的重复项返回 False，其余返回True，last 表示将最后一次出现的行返回False，其余重复的行返回True，False 表示重复的行都返回True
• df.drop_duplicates(subset=[],keep='first',inplace=True)
  • subset：表示要进去重的列名，默认为 None。
  • keep：有三个可选参数，分别是 first、last、False，默认为 first，表示只保留第一次出现的重复项，删除其余重复项，last 表示只保留最后一次出现的重复项，False 则表示删除所有重复项。
  • inplace：布尔值参数，同其他函数一样，默认Flase不修改原数据，设置为True修改原数据

刷题网址：牛客网

总结：

本章仍然讲解一些常用的函数，保留指定小数位round(3)，删除空值dropna，填充空值fillna，判断重复的行duplicated()，删除重复的行drop_duplicates()， 后面几个函数常用于数据清洗，数据清洗是数据分析之前一个必要的工作，清洗的好坏也影响后面数据的分析、数据建模