Python数据分析-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

yuechuchen

为dataframe添加双重索引，题目详情见正文

已有data表如下：姓名工龄0 Allen 21 Lucy 42 Tom 23 Alice 34 Tim 1要求为data表添加双重行索引，目标效果如下：参考答案方法一：data =pd.DataFrame({"姓名":["Allen","Lucy","Tom","Alice","Tim"],"工龄":np.

4.7435

1

4

0

关注作者

收藏

yuechuchen

dataframe列数值格式设置，问题详情见正文

df表中random列的浮点型数值转化成百分数,df表如下： random 0 0.548814 1 0.715189 2 0.602763 3 0.544883实现效果如下： random 0 54.88% 1 71.52% 2 60.28% 3 54.49%np.random.seed(0

75.1666

4

4

0

关注作者

收藏

yuechuchen

提取dataframe中符合要求的记录，题目详情见正文

提取df表中出勤天数最多和最少的记录，df表如下：姓名出勤天数职级0 张山 18 初级1 王川 21 中级2 李湖 19 中级3 赵海 18 高级实现效果如下：姓名出勤天数职级1 王川

0.0908

1

2

0

关注作者

收藏

yuechuchen

dataframe数据分组，题目详情见正文。

按照“职级”对df表进行分组汇总，并查看“中级”组内信息。df表信息如下：姓名出勤天数职级 0 张山 18 初级 1 王川 21 中级 2 李湖 19 中级 3 赵海 18 高级实现效果如下：姓名出勤天数职级 1 王川 21

0.1244

2

2

0

关注作者

收藏

yuechuchen

python读取文件，详情见正文。

超大的文件全部读入python耗时耗力，选择读取文件时只读取一部分，比如只读取指定列和部分行，请以example.csv文件(下表)为例，读取其中的”实验编号"和"实验结果“两列，读取行数为3行. 实验编号实验室编号主实验员编号实验结果0 144 413 36744 Y1 147

0.1244

2

1

0

关注作者

收藏

yuechuchen

从dataframe中提取符合条件的记录，题目详情见正文。

从df表中提取职级是“中级”的员工信息，df表详情：姓名出勤天数职级 0 张山 18 初级 1 王川 21 中级 2 李湖 19 中级 3 赵海 18 高级实现效果如下：姓名出勤天数职级 1 王川 21 中级 2 李湖 19

0.1244

2

2

0

关注作者

收藏

yuechuchen

将格式不规范的日期列转化成规范的日期格式，题目详情见正文

将格式不规范的日期列转化成规范的日期格式，表详情如下：日期门店销售额0 07 Jan 2020 221 07-01-2019 252 20180310 103 2017/02/05 134 2016-01-

0.1244

2

2

0

关注作者

收藏

yuechuchen

提取dataframe中指定行信息，题目详情见正文

df数据表，表格信息如下： frequency CTR name0 13 0.437587 0234s31 16 0.891773 023dfr2 1 0.963663 34s2313 4 0.38

0.0908

1

2

0

关注作者

收藏

yuechuchen

盖帽法处理ser中的异常值，题目详情见正文

盖帽法处理ser中的异常值，ser如下： a 55.33 b 71.80 c 60.67 d 54.94 e 42.94 dtype: float64实现效果如下： a 55.33 b 71.35 c 60.67 d 54.94 e 43.42

0.0908

1

2

0

关注作者

收藏

yuechuchen

break和continue这两个关键字有哪些主要的异同点

相同点：这两个关键字都必须在循环中使用，不可以脱离循环单独使用不同点：break是打断整个循环，即使后边依然有满足循环的条件循环也不再继续，使当前循环完全结束。 continue是跳过本次循环，如果循环条件依然满足，进入下一次循环，循环还可以继续执行代码示例：

0.0908

1

3

0

关注作者

收藏

wo5656500

归一化和标准化，分别适用什么场景

标准化应用场景：在分类、聚类算法中，需要使用距离来度量相似性的时候、或者使用PCA技术进行降维的时候，Z-score standardization表现更好。归一化应用场景：在不涉及距离度量、协方差计算、数据不符合正太分布的时候，可以使用第一种方法或其他归一化方法（不包括Z-score方法）。比如图像处理中，将RGB图像转换为灰度图像后将其值限定在[0 255]的范围

1.6768

2

3

0

关注作者

收藏

wo5656500

归一化和标准化的区别是什么？

答：简单来说，标准化是依照特征矩阵的列处理数据，其通过求z-score的方法，将样本的特征值转换到同一量纲下。归一化是依照特征矩阵的行处理数据，其目的在于样本向量在点乘运算或其他核函数计算相似性时，拥有统一的标准，也就是说都转化为“单位向量”。归一化：这种方法有个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。另外，最大值与最小值非常容易受异常点影响，所以这种方法鲁棒

21.7613

3

3

0

关注作者

收藏

yuechuchen

Pandas的Index对象有哪些特性？

Index对象是Series和Dataframe的显式索引；它的一些操作很像数组，例如可以通过切片获取数值，可以查看index的shape、size、ndim、dtype等属性。Index对象与Numpy数组的不同之处在于Index对象的索引是不可变的，也就是说不能通过切片重新赋值的形式进行更改。Index对象还遵循Python标准库的集合（set）数据结构的许多习惯用法，包括并集、交集、差

0.0000

0

2

0

关注作者

收藏

yuechuchen

dataframe数据重组，题目详情见正文

每个机顶盒查看各个频道的时长，详情如下，按照时长计算每个机顶盒的偏好频道，实现效果如下表：参考答案：data = pd.DataFrame()data["机顶盒设备号"] = ["10001","10001","10002","10002","10002","10002","10003","10003","10003","10003" ,"10004","10004","10

0.0000

0

1

0

关注作者

收藏

yuechuchen

Series对象和一维Numpy数组之间的本质差异是什么？

Series对象和一维Numpy数组之间的本质差异是索引，Numpy数组通过隐式定义的的整数索引获取数值，而Pandas的Series对象用一种显式定义的索引与数值关联。Numpy中的一维数组只有隐式索引，而Pandas中的Series虽然也是一维的，但是Series既有隐式索引也有显式的索引

78.1174

3

4

0

关注作者

收藏

yuechuchen

numpy中缺失值的处理，题目详情见正文：

arr = np.array([[16., 29., np.nan, 42.],[np.nan, 75., np.nan, 67.],[71., 63., 8.,np.nan]]) 如何把数组中的缺失值全部替换成0？解题思路：第一步：判断哪些位置的元素是缺失值；第二步：把缺失值索引出来；第三步：为索引出的缺失值重新赋值为0原数组：实现效果：

1.3164

2

1

0

关注作者

收藏

yuechuchen

numpy.split、numpy.vsplit、numpy.hsplit三者的异同点？

相同点：都可以对数组进行切分，并且都可以指定切分数量（平均切分成几份）或者从哪几个位置进行切分（可以进行不等分）不同点：numpy.split可以指定沿着哪个轴进行切分，而numpy.vsplit固定沿着第0个轴进行切分，numpy.hsplit固定沿着第1个轴进行切分示例：

1.3161

1

1

0

关注作者

收藏

yuechuchen

获取两个数组对应位置上元素值相等的位置信息，题目详情见正文。

有数组a = np.array([4,5,1,2,3,2,1,5])和b = np.array([4,5,2,6,9,2,0,5])，获取对应位置上元素值相等的位置信息：实现效果如下：array([0, 1, 5, 7])，注意array([0, 1, 5, 7])里的元素全部都是关于数组a和数组b中元素的位置信息解题思路：判断对应位置元素是否一致，只需要让两个数组相减，结果为0的位置上的元

1.3161

1

2

0

关注作者

收藏

yuechuchen

python语法打印九九乘法表（两种方法）

解题思路：九九乘法表涉及到两个数值相乘，运用到的知识点为循环的双层嵌套。方法一：使用while循环，注意：1、临时变量自增，避免无限循环 2、内层循环的条件设置i = 1while i

1.3161

1

1

0

关注作者

收藏

赵娜0418

使用C 和使用Python有什么不一样？

程序有两种执行方式，解释执行和编译执行。PYTHON是一种脚本语言，是解释执行的，不需要经过编译，所以很方便快捷，且能够很好地跨平台，写一些小工具小程序特别合适。而C 则是一种需要编译后运行语言，在特定的机器上编译后在特定的机上运行，运行效率高，安全稳抄定。但编译后的程序一般是不跨平台的。

3.0972

4

2

0

关注作者

收藏

<1…151617…123>

CDA考试动态

CDA报考指南