练习题下载最新工作比较忙，python这块搁置了好久都没有好好学习以及更新相关学习笔记，立下flag，争取两天更新一个练习题，到十一月初更新完这块内容
- 数据下载链接数据文件地址
- 通过上述链接将文件保存在相应的路径下面
| 习题编号 | 内容 | 相应数据集 |
|---|---|---|
| 练习1 - 开始了解你的数据 | 探索Chipotle快餐数据 | chipotle.tsv |
| 练习2 - 数据过滤与排序 | 探索2012欧洲杯数据 | Euro2012_stats.csv |
| 练习3 - 数据分组 | 探索酒类消费数据 | drinks.csv |
| 练习4 -Apply函数 | 探索1960 - 2014 美国犯罪数据 | US_Crime_Rates_1960_2014.csv |
| 练习5 - 合并 | 探索虚拟姓名数据 | 练习中手动内置的数据 |
| 练习6 - 统计 | 探索风速数据 | wind.data |
| 练习7 - 可视化 | 探索泰坦尼克灾难数据 | train.csv |
| 练习8 - 创建数据框 | 探索Pokemon数据 | 练习中手动内置的数据 |
| 练习9 - 时间序列 | 探索Apple公司股价数据 | Apple_stock.csv |
| 练习10 - 删除数据 | 探索Iris纸鸢花数据 | iris.csv |
1.导入对应的os库
import os
2.查看当前路径
os.getcwd()
- 输出
'D:\PythonFlie\python\pandas'
3.查看对应路径下的文件
os.listdir( )
- 输出
['.ipynb_checkpoints', 'pandas_exercise', 'Pandas基础命令速查表0922.ipynb', '测试数据.csv', '测试数据.xlsx', '这十套练习，教你如何用Pandas做数据分析0929.ipynb']
4.pandas_exercise为存放数据的文件，进入该文件查看相关数据文件
os.chdir("D:\PythonFlie\python\pandas\pandas_exercise")
print(os.getcwd()) #查看是否进入对应的路径
print(os.listdir()) #查看上述路径下的文件后，发现数据在exercise_data文件下面，继续更改路径
os.chdir("D:\PythonFlie\python\pandas\pandas_exercise\exercise_data")
print(os.getcwd()) #查看是否进入对应的路径
os.listdir() #查看该路径下的文件
- 输出
D:PythonFliepythonpandaspandas_exercise ['exercise_data'] D:PythonFliepythonpandaspandas_exerciseexercise_data ['Apple_stock.csv', 'cars.csv', 'chipotle.tsv', 'drinks.csv', 'Euro2012_stats.csv', 'iris.csv', 'second_cars_info.csv', 'train.csv', 'US_Crime_Rates_1960_2014.csv', 'wechart.csv', 'wind.data']练习1-开始了解你的数据
- 探索Chipotle快餐数据，数据为chipotle.tsv
1.步骤1 导入必要的库
import pandas as pd
2.步骤2 获取数据集
path1 = "D:\PythonFlie\python\pandas\pandas_exercise\exercise_data\chipotle.tsv" # chipotle.tsv
3.步骤3 将数据集存入一个名为chipo的数据框内
chipo = pd.read_csv(path1, sep = 't')
4.步骤4 查看前10行内容
chipo.head(10)
- 输出
5.步骤5 数据集中有多少个列(columns)
print(chipo.shape) #查看数据集的行与列 print(chipo.shape[1]) #查看数据集的列数
- 输出
(4622, 5) 5
6.步骤6打印出全部的列名称
chipo.columns
- 输出
Index(['order_id', 'quantity', 'item_name', 'choice_description',
'item_price'],
dtype='object')
7.步骤7 数据集的索引是怎样的
chipo.index
- 输出
RangeIndex(start=0, stop=4622, step=1)
8.步骤8 被下单数最多商品(item)是什么?
#将chipo中的item_name和quantity两列取出来后，对item_name进行分组后对quantity进行求和
c = chipo[['item_name','quantity']].groupby(['item_name']).agg({'quantity':sum})
#对quantity列进行降序排列
c.sort_values(['quantity'],ascending=False,inplace=True)
#取前五项查看
c.head()
