数据科学专业问答社区，好文章，一字千金--CDA答疑社区

热线电话：13121318867

登录

赵娜0418

Python重载的原因

函数重载主要是为了解决两个问题。 1、可变参数类型。 2、可变参数个数。另外，一个基本的设计原则是，仅仅当两个函数除了参数类型和参数个数不同以外，其功能是完全相同的，此时才使用函数重载，如果两个函数的功能其实不同，那么不应当使用重载，而应当使用一个名字不同的函数。对于情况 1 ，函数功能相同，但是参数类型不同，python 如何处理？答案是根本不需要处

3.2201

3

0

0

关注作者

收藏

赵娜0418

Python中深复制和浅复制的含义

1、浅拷贝可以使用列表自带的copy()函数（如list.copy()），或者使用copy模块的copy()函数。深拷贝只能使用copy模块的deepcopy(),所以使用前要导入：from copy import deepcopy2、如果拷贝的对象里的元素只有值，没有引用，那浅拷贝和深拷贝没有差别，都会将原有对象复制一份，产生一个新对象，对新对象里的值进行修改不会影响原有对象，新对象和原对象

3.2201

3

3

0

关注作者

收藏

yuechuchen

dataframe数据列拆分，题目详情见正文

df表详情如下：请将上表中的出发地和目的地分成两个新的列并删除from_to。参考代码：df = pd.DataFrame({'from_to': ['ShangHAI_BeiJing', 'ShangHAI_Chongqing', 'BeiJing_chengdu', 'tianJin_PaRis', 'Beijing_s

88.9195

1

3

0

关注作者

收藏

yuechuchen

dataframe联合拼接，题目详情见正文

df表和df1表详情如下：请将df和df1两个表合并成一个包含品名、销售额、单价的总表，效果如下：参考代码：d = {"品名":["A", "B", "C", "D", "E","F","G","H"], "销售额":[900, "1000", np.nan, 730.60 ," 259.13",np.nan,502,"800"]}df = pd.DataFrame(d

88.9195

1

3

0

关注作者

收藏

yuechuchen

查找所有从上海出发的航班信息，题目详情见正文

df表详情如下：请查找所有从上海出发的航班信息。参考代码：df = pd.DataFrame({'from_to': ['ShangHAI_BeiJing', 'ShangHAI_Chongqing', 'BeiJing_chengdu', 'tianJin_PaRis', 'Beijing_shenzhen'],

89.2193

2

2

0

关注作者

收藏

yuechuchen

pandas缺失值处理，题目详情见正文

df表详情如下：请将所有缺失值替换成0参考代码：d = {"品名":["A", "B", "C", "D", "E","F","G","H"], "销售额":[900, "1000", np.nan, 730.60 ," 259.13",np.nan,502,"800"]}df = pd.DataFrame(d)dfdf.fillna(0)代码结果：

87.9753

1

7

0

关注作者

收藏

yuechuchen

numpy数组的计算速度为什么比python原生的list序列快？

1、Python的 list 是一个通用结构。它能包括任意类型的对象，并且是动态类型。2、NumPy 的数组是一种静态、同质的类型，当 ndarray 对象被创建时，元素的类型就确定。由于是静态类型，所以 ndarray 间的加、减、乘、除用 C 和 Fortran 实现才成为可能，所以运行起来就会更快。numpy官网介绍，numpy的底层代码用 C 语言和 Fortran 语言实现，

36.9819

1

2

0

关注作者

收藏

yuechuchen

去除dataframe中某一列的空格，题目详情见正文

df表详情如下：请去除state列中包含的空格。参考代码：df = pd.DataFrame({"State":[" United Kingdom ","Germany ","Spain"],"Population":["8,615,246","3,437,916","3,165,235"]})dfdf["State"][0]# 查看是否包含空格df["State"] = df[

36.9819

1

3

0

关注作者

收藏

yuechuchen

查找dataframe中全局前三大的位置信息，问题详情见正文

df表详情如下：请找出Alice和Tom两个人的销售额中数额最大的前三笔参考代码：np.random.seed(2)df = pd.DataFrame({'Alice': np.random.randint(1,100,10) ,'Tom': np.random.randint(10,150,10)})dfdf.unstack()df.un

36.9819

1

4

0

关注作者

收藏

yuechuchen

计算DataFrame其中一列每10步长对应的另一列的和

df表详情如下：请计算df表中Alice列每10步长对应的Tom列的和参考代码：np.random.seed(2)df = pd.DataFrame({'Alice': np.random.randint(1,100,10) ,'Tom': np.random.randint(10,150,10)})dfdf1 = df.groupby(p

0.0000

0

3

0

关注作者

收藏

yuechuchen

计算每个员工销售额最大的前两单的总和，题目详情见正文

df表详情如下：要求计算所有人单笔销售额最大的两单的加和值参考代码：np.random.seed(0)df = pd.DataFrame( {'name': ["Allen","Tom","Alice","Lucy","Han","Allen","Tom","Alice","Lucy","Han","Allen","Tom","Alice","Lucy","Han"],

87.9753

1

2

0

关注作者

收藏

yuechuchen

按照字典{'a':3,'b':5,'c':1,'d':2}的值排序并返回新的字典

字典：{'a':3,'b':5,'c':1,'d':2}请按照字典的值排序并返回新的字典参考代码：d= {'a':3,'b':5,'c':1,'d':2}d = dict(sorted(d.items(),key=lambda item: item[1]))d代码结果：

0.0000

0

1

0

关注作者

收藏

yuechuchen

统计df表中属于每个国家的记录数

df表详情如下：请统计每个国家的记录数。参考代码：np.random.seed(0)df = pd.DataFrame({'类别':['农作物','农作物','农作物','水果','水果','肉类','肉类'], '产地':['阿根廷','巴西','中国','中国','巴西','阿根廷','中国'], '品种':['玉米

0.0000

0

2

0

关注作者

收藏

yuechuchen

dataframe打乱数据集，题目详情见正文

df表详情如下：请随机打乱原表记录行的顺序。参考代码：np.random.seed(0)df = pd.DataFrame({'类别':['农作物','农作物','农作物','水果','水果','肉类','肉类'], '产地':['阿根廷','巴西','中国','中国','巴西','阿根廷','中国'], '品种':['

0.0000

0

5

0

关注作者

收藏

yuechuchen

随机抽取dataframe中的记录，题目详情见正文

df表详情如下：请抽取df表中50%的记录。参考代码：np.random.seed(0)df = pd.DataFrame({'类别':['农作物','农作物','农作物','水果','水果','肉类','肉类'], '产地':['阿根廷','巴西','中国','中国','巴西','阿根廷','中国'], '品种':['

24.7772

1

3

0

关注作者

收藏

yuechuchen

dataframe删除指定的多列，题目详情见正文

df表详情如下：请删除“产地”和“数量”两列参考代码：np.random.seed(0)df = pd.DataFrame({'类别':['农作物','农作物','农作物','水果','水果','肉类','肉类'], '产地':['阿根廷','巴西','中国','中国','巴西','阿根廷','中国'], '品种':['

52.8682

1

3

0

关注作者

收藏

yuechuchen

list1 = [1,3,7,2,4,9,0]，请分别实现升序排序和逆置

参考代码：list1 = [1,3,7,2,4,9,0]list1.sort() #排序list1list1 = [1,3,7,2,4,9,0]list1.reverse() #逆置list1代码结果：

52.8682

1

0

0

关注作者

收藏

yuechuchen

dataframe数据编码处理，题目详情见正文

df表详情如下：请把性别列的文本字段编码成0和1参考代码：d = {"性别":["男", "女", "女","男"], "职级":["P3", "p3", "p4","p5"], "年龄":[24, 24, 27, 30]}df = pd.DataFrame(d)dfd = {"男": 0, "女": 1}df["性别1"] = df["性别"].map(d) df

24.7772

1

1

0

关注作者

收藏

yuechuchen

pandas时间数据下采样，题目详情见正文

df表详情如下：将以上数据汇总成以天为单位表示的表格。参考代码：df = pd.DataFrame(np.random.randint(1,10,size=(240,4)),columns = ['客户A','客户B','客户C','客户D'])df.index = pd.util.testing.makeDateIndex(240,freq='H') #生成 240 行步长为

0.0000

0

1

0

关注作者

收藏

yuechuchen

dataframe按照某一行的数值大小排序，题目详情见正文

df表详情如下：请按照第0数值的大小实现列排序，目标实现效果：参考代码：np.random.seed(2)ser1 = pd.Series(np.random.randint(1,20,5))ser2 = pd.Series(np.random.randint(1,10,5))ser3 = pd.Series(np.random.randint(10,20,5))ser4

0.0000

0

5

0

关注作者

收藏

<1…268269270…531>

CDA考试动态

CDA报考指南