Pandas进阶修炼120题｜当Pandas遇上NumPy
Pandas进阶修炼120题｜当Pandas遇上NumPy
本文接着更新Pandas进阶修炼120题，Pandas的强大不仅仅因为它自身的强大，更在于当它和NumPy、Matplotlib、Sklearn等库结合使用时发挥的巨大威力，本期就挑选了一些Pandas+NumPy相关的题目供各位读者练习，如果感兴趣，请一定要敲一遍代码。
81
数据查看
题目：导入并查看pandas与numpy版本
难度：⭐
答案
import pandas as pd
import numpy as np
print(np.__version__)
print(pd.__version__)82
数据创建
题目：从NumPy数组创建DataFrame
难度：⭐
备注
使用numpy生成20个0-100随机数
答案
tem = np.random.randint(1,100,20)
df1 = pd.DataFrame(tem)83
数据创建
题目：从NumPy数组创建DataFrame
难度：⭐
备注
使用numpy生成20个0-100固定步长的数
答案
tem = np.arange(0,100,5)
df2 = pd.DataFrame(tem)84
数据创建
题目：从NumPy数组创建DataFrame
难度：⭐
备注
使用numpy生成20个指定分布(如标准正态分布)的数
答案
tem = np.random.normal(0, 1, 20)
df3 = pd.DataFrame(tem)85
数据创建
题目：将df1，df2，df3按照行合并为新DataFrame
难度：⭐⭐
答案
df = pd.concat([df1,df2,df3],axis=0,ignore_index=True)86
数据创建
题目：将df1，df2，df3按照列合并为新DataFrame
难度：⭐⭐
期望结果
0 1 2
0 95 0 0.022492
1 22 5 -1.209494
2 3 10 0.876127
3 21 15 -0.162149
4 51 20 -0.815424
5 30 25 -0.303792
...............答案
df = pd.concat([df1,df2,df3],axis=1,ignore_index=True)
df87
数据查看
题目：查看df所有数据的最小值、25%分位数、中位数、75%分位数、最大值
难度：⭐⭐
答案
print(np.percentile(df, q=[0, 25, 50, 75, 100]))88
数据修改
题目：修改列名为col1,col2,col3
难度：⭐
答案
df.columns = ['col1','col2','col3']89
数据提取
题目：提取第一列中不在第二列出现的数字
难度：⭐⭐⭐
答案
df['col1'][~df['col1'].isin(df['col2'])]90
数据提取
题目：提取第一列和第二列出现频率最高的三个数字
难度：⭐⭐⭐
答案
temp = df['col1'].append(df['col2'])
temp.value_counts().index[:3]91
数据提取
题目：提取第一列中可以整除5的数字位置
难度：⭐⭐⭐
答案
np.argwhere(df['col1'] % 5==0)92
数据计算
题目：计算第一列数字前一个与后一个的差值
难度：⭐⭐
答案
df['col1'].diff().tolist()93
数据处理
题目：将col1,col2,clo3三列顺序颠倒
难度：⭐⭐
答案
df.ix[:, ::-1]94
数据提取
题目：提取第一列位置在1,10,15的数字
难度：⭐⭐
答案
df['col1'].take([1,10,15])95
数据查找
题目：查找第一列的局部最大值位置
难度：⭐⭐⭐⭐
备注
即比它前一个与后一个数字的都大的数字
答案
tem = np.diff(np.sign(np.diff(df['col1'])))
np.where(tem == -2)[0] + 196
数据计算
题目：按行计算df的每一行均值
难度：⭐⭐
答案
df[['col1','col2','col3']].mean(axis=1)97
数据计算
题目：对第二列计算移动平均值
难度：⭐⭐⭐
备注
每次移动三个位置，不可以使用自定义函数
答案
np.convolve(df['col2'], np.ones(3)/3, mode='valid')98
数据修改
题目：将数据按照第三列值的大小升序排列
难度：⭐⭐
答案
df.sort_values("col3",inplace=True)99
数据修改
题目：将第一列大于50的数字修改为'高'
难度：⭐⭐
答案
df.col1[df['col1'] > 50]= '高'100
数据计算
题目：计算第一列与第二列之间的欧式距离
难度：⭐⭐⭐
备注
不可以使用自定义函数
答案
np.linalg.norm(df['col1']-df['col2'])