pd.concat：Concatenate pandas objects along a particular axis with optional set logic along the other axes. pd.DataFrame.join: Join columns with other DataFrame either on index or on a key column  join(self, other, on=None, how='left', lsuffix='', rsuffix='', sort=False) ->...

pd.DataFrame.join: Join columns with other DataFrame either on index or on a key column  join(self, other, on=None, how='left', lsuffix='', rsuffix='', sort=False) -> 'DataFrame' If we want to join using the key columns, we need to set key to be the index in both df and other. The joined DataFram...

pd.DataFrame.join: Join columns with other DataFrame either on index or on a key column  join(self, other, on=None, how='left', lsuffix='', rsuffix='', sort=False) -> 'DataFrame' If we want to join using the key columns, we need to set key to be the index in both d...

思路：使用 groupby 按照 result 分组 import pandas as pd nowcoder = pd.read_csv('nowcoder.csv') result_df = nowcoder.groupby('result') print(result_df.size())

思路：使用 groupby 按照 date 分组，聚合函数 count 统计题目数量 import pandas as pd nowcoder = pd.read_csv('nowcoder.csv', parse_dates=True, index_col='date') daily_num = nowcoder.groupby('date')['question_id'].count() print(daily_num)

思路  统计SepalLen列的中位数  df1 = pd.DataFrame(iris.SepalLen.median(), index=['median'], columns=['SepalLen'])   统计SepalWid列的最大值和最小值  df2 = pd.DataFrame([iris.SepalWid.max(), iris.SepalWid.min()], index=['max','min'], columns=['SepalWid'])   合并上面的统计结果（使用 join 函数连接，参数为 how='outer'，类比 SQL 的全外连接）  df3 = df1.j...

将花萼长度、花萼宽度、花瓣长度、花瓣宽度各列数据的最大值和最小值按列合并成一个 DataFrame 注意到题目的输出格式，将转置得到的 DataFrame 转置，将行名分别命名为 themax 和 themin  import pandas as pd iris = pd.read_csv('iris.csv', sep=',') df = iris.iloc[:,0:4] data = pd.concat([df.max(), df.min()], axis=1).T data.index = ['themax', 'themin'] print(data)

解法一 import pandas as pd iris = pd.read_csv('iris.csv', sep=',') df = iris.iloc[:,0:4] print(df.max() - df.min())  解法二 import pandas as pd iris = pd.read_csv('iris.csv', sep=',') df = iris.iloc[:,0:4] d = lambda x: x.max() - x.min() print(df.apply(d))

quantile  quantitle(self, q=0.5, ...) q : float or array-like, default 0.5 (50% quantile) If q is an array, a DataFrame will be returned where the index is q, the columns are the columns of self, and the values are the quantiles. If q is a float, a Series will be returned where the index is the colu...

注意 np.var 和 pd.DataFrame.var 的区别  np.var：默认 ddof=0 pd.DataFrame.var：默认 ddof=1   ddof "Delta Degrees of Freedom": the divisor used in the calculation is N - ddof, where N represents the number of elements.  题目输出的结果是 ddof=0 import pandas as pd import numpy as np iris = pd.read_csv('iris.csv', sep=',')...

import pandas as pd import numpy as np iris = pd.read_csv('iris.csv', sep=',') setosa = iris['type'] == 'Iris-setosa' print(iris[setosa].iloc[:,0:4].mean())

pd.Series.unique：Return unique values of Series object. import pandas as pd iris = pd.read_csv('iris.csv', sep=',') iris_type = iris['type'].unique() for i in iris_type: print(i)

import pandas as pd iris = pd.read_csv('iris.csv', sep=',') versicolor = iris['type'] == 'Iris-versicolor' setosa = iris['type'] == 'Iris-setosa' ve_max = iris[versicolor].SepalLen.max() se_max = iris[setosa].SepalLen.max() result = ve_max - se_max print(round(result, 1))

输出前五行 print(iris.head())  输出数据的行和列 print(iris.shape)  判断各列是否包含空值 print(iris.dtypes.isnull())  完整答案 import pandas as pd iris = pd.read_csv('iris.csv',sep=',') # 输出前五行 print(iris.head()) # 输出数据的行和列 print(iris.shape) # 判断各列是否包含空值 print(iris.dtypes.isnull())