数据分析学习记录-----DAY3

9.牛客网C系用户们的信息：

df[df['Language'].isin(['CPP','C','C#'])] #isin函数，查看某列中是否包含某字符串

(这一题也不可以写dtype=object)

Series 一般由四个部分组成，分别是序列的值 data 、索引 index 、存储类型 dtype 、序列的名字 name 。其中，索引也可以指定它的名字，默认为空dtype = 'object’类型，代表了一种混合类型

10.统计牛客网刷题数量500以上的大佬:

index = df['Num_of_exercise'] >= 500

print(df.loc[index, ['Level', 'Achievement_value']]) #index的操作锁定行，后面锁定列

11.按照毕业年份与使用语言筛选牛客网7级用户:

与 《 2020年毕业的人中最喜欢用Java的用户》一样

p.s query括号里面列名称不需要加引号，列等于某个字符，那个字符需要加引号

print(Nowcoder.query('Level==7 & Language == "CPP" & Graduate_year!=2018'))

but

Nowcoder['Level']这种形式需要加引号

12.牛客网不同语言使用人数：

value_counts：

在pandas中，value_counts常用于数据表的计数及排序，它可以用来查看数据表中，指定列里有多少个不同的数据值，并计算每个不同值有在该列中的个数，同时还能根据需要进行排序。

value_counts(values,sort=True, ascending=False, normalize=False,bins=None,dropna=True)

sort=True： 是否要进行排序；默认进行排序

ascending=False:默认降序排列；

normalize=False： 是否要对计算结果进行标准化并显示标准化后的结果，默认是False。

bins=None:可以自定义分组区间，默认是否；

dropna=True:是否删除缺失值nan，默认删除

print(Nowcoder['Language'].value_counts())

13.牛客网用户最近的最长与最短连续签到天数

求最大：Nowcoder['Continuous_check_in_days'].max()

求最小：Nowcoder['Continuous_check_in_days'].min()

14.Python用户的平均提交次数:

求平均：Nowcoder['Continuous_check_in_days'].mean()

保留n位小数：round(平均数，n）

print(round(c['Number_of_submissions'].mean(),1))

15. 牛客网用户等级的中位数:

中位数：c['Level'].median()

16.用户常用语言有多少

# unique()方法返回的是去重之后的不同值，而nunique()方法则直接放回不同值的个数

print(Nowcoder.Language.unique())

返回：['CPP' 'Java' 'C' 'Python' 'PHP' 'JavaScript' 'Ruby' 'C#' 'Go']

17.牛客网最多的用户等级

求出众数：print(Nowcoder['Level'].mode()

——输出形式为（series）：

0 1

Name: Level, dtype: int64

因此，应该转为dataframe形式，print(Nowcoder['Level'].mode().to_frame())

——输出形式为：

Level

0 1