牛客网Python篇数据分析习题(一)

简介: 现有一个Nowcoder.csv文件,它记录了牛客网的部分用户数据,包含如下字段(字段与字段之间以逗号间隔)

1.现有一个Nowcoder.csv文件,它记录了牛客网的部分用户数据,包含如下字段(字段与字段之间以逗号间隔):

Nowcoder_ID:用户ID

Level:等级

Achievement_value:成就值

Num_of_exercise:刷题量

Graduate_year:毕业年份

Language:常用语言

你可以使用pandas打开文件,偷偷看一下里面的内容,请输出你看到的前6行数据。

1e58a830a47f22aaf0ac5cf9ef51ffc3_ed7310f480c347cea32ec672d3cd638b.png

import pandas as pd
Nowcoder=pd.read_csv("Nowcoder.csv",sep=",",dtype=object)
print(Nowcoder[1:6])

2.现有一个Nowcoder.csv文件,它记录了牛客网的部分用户数据,包含如下字段(字段与字段之间以逗号间隔):

Nowcoder_ID:用户ID

Level:等级

Achievement_value:成就值

Num_of_exercise:刷题量

Graduate_year:毕业年份

Language:常用语言

你不需要输出全部数据,请直接告诉我们这个数据集的大小,即行数与列数。

f465d7ee3eb1ed7f3de4a597c865ac41_1e0acc591098448ba84719da3b025028.png

import pandas as pd
data = pd.read_csv("Nowcoder.csv", dtype="object")
print(data.shape)

3.现有一个Nowcoder.csv文件,它记录了牛客网的部分用户数据,包含如下字段(字段与字段之间以逗号间隔):

Nowcoder_ID:用户ID

Level:等级

Achievement_value:成就值

Num_of_exercise:刷题量

Graduate_year:毕业年份

Language:常用语言

现在牛牛想知道这个数据集中第10行的用户的全部信息,请你帮他输出一下。

20b8dcf0d321bb39ec82cb2aae181b01_9d231831766040b7b92533cb632a2469.png

import pandas as pd
Nowcoder = pd.read_csv('Nowcoder.csv')
print(Nowcoder.iloc[10])

4.现有一个Nowcoder.csv文件,它记录了牛客网的部分用户数据,包含如下字段(字段与字段之间以逗号间隔):

Nowcoder_ID:用户ID

Level:等级

Achievement_value:成就值

Num_of_exercise:刷题量

Graduate_year:毕业年份

Language:常用语言

现在牛牛想知道这个数据集中第10行到第20行用户的常用语言分别是什么,请你帮他输出一下。

b9359077b5c0ec9cfcaa958f85644765_ae3847588d5d4ec09f308affb8ed2076.png

import pandas as pd
df = pd.read_csv("Nowcoder.csv")
print(df.loc[10:20, "Language"])

5.现有一个Nowcoder.csv文件,它记录了牛客网的部分用户数据,包含如下字段(字段与字段之间以逗号间隔):

Nowcoder_ID:用户ID

Level:等级

Achievement_value:成就值

Num_of_exercise:刷题量

Graduate_year:毕业年份

Language:常用语言

如果你想知道这份数据是不是所有列的信息都是有数据的,有没有哪些列的数据没有补全,请输出每列信息是否有为空值。

2d9a4c8663251d17c0aa85617e2b0baa_47662fff924d4f9680e41d7d15c602ff.png

import pandas as pd
a=pd.read_csv('Nowcoder.csv')
print(a.isnull().all())

6.现有一个Nowcoder.csv文件,它记录了牛客网的部分用户数据,包含如下字段(字段与字段之间以逗号间隔):

Nowcoder_ID:用户ID

Level:等级

Achievement_value:成就值

Num_of_exercise:刷题量

Graduate_year:毕业年份

Language:常用语言

如果你想知道哪些人经常使用Python这门语言,并且他们的其他信息是怎么样的,该怎么输出?

4f71bc23a2ebfd6abb930bc3ffc3d590_78a84c61636b4ec99240ecd600bbf2df.png

import pandas as pd
df=pd.read_csv('Nowcoder.csv',dtype=object)
print(df[df['Language']=='Python'])

7.现有一个Nowcoder.csv文件,它记录了牛客网的部分用户数据,包含如下字段(字段与字段之间以逗号间隔):

Nowcoder_ID:用户ID

Level:等级

Achievement_value:成就值

Num_of_exercise:刷题量

Graduate_year:毕业年份

Language:常用语言

假如你正在学习Python,你想知道牛客网的Python用户的成就值都有多高,请问该如何输出?

73d90b1047cc5b8f6748050114fd5881_f2a600b6a38e4c57a8aa6dfeb54a8c47.png

import pandas as pd
df=pd.read_csv('Nowcoder.csv',dtype=object)
df0=df[df['Language']=='Python']
print(df0.iloc[:,2])

8.现有一个Nowcoder.csv文件,它记录了牛客网的部分用户数据,包含如下字段(字段与字段之间以逗号间隔):

Nowcoder_ID:用户ID

Level:等级

Achievement_value:成就值

Num_of_exercise:刷题量

Graduate_year:毕业年份

Language:常用语言

Continuous_check_in_days:最近连续签到天数

Number_of_submissions:提交代码次数

Last_submission_time:最后一次提交题目日期

假设你想查看该文件最后5行用户的用户ID、等级、成就值、常用语言,请尝试输出。

af4ea740da3c9274208447444493cd4e_68796803fb7d41548944050394d180c7.png

import pandas as pd
Nowcoder = pd.read_csv("Nowcoder.csv", sep=",")
a = Nowcoder.tail()
print(a[["Nowcoder_ID", "Level", "Achievement_value", "Language"]]


相关文章
|
22天前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析的入门指南
本文将引导读者了解如何使用Python进行数据分析,从安装必要的库到执行基础的数据操作和可视化。通过本文的学习,你将能够开始自己的数据分析之旅,并掌握如何利用Python来揭示数据背后的故事。
|
1月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析的入门指南
【10月更文挑战第42天】本文是一篇技术性文章,旨在为初学者提供一份关于如何使用Python进行数据分析的入门指南。我们将从安装必要的工具开始,然后逐步介绍如何导入数据、处理数据、进行数据可视化以及建立预测模型。本文的目标是帮助读者理解数据分析的基本步骤和方法,并通过实际的代码示例来加深理解。
51 3
|
26天前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
77 4
数据分析的 10 个最佳 Python 库
|
29天前
|
存储 数据可视化 数据挖掘
使用Python进行数据分析和可视化
本文将引导你理解如何使用Python进行数据分析和可视化。我们将从基础的数据结构开始,逐步深入到数据处理和分析的方法,最后通过实际的代码示例来展示如何创建直观的数据可视化。无论你是初学者还是有经验的开发者,这篇文章都将为你提供有价值的见解和技巧。让我们一起探索数据的世界,发现隐藏在数字背后的故事!
|
27天前
|
存储 数据可视化 数据挖掘
Python数据分析项目:抖音短视频达人粉丝增长趋势
Python数据分析项目:抖音短视频达人粉丝增长趋势
|
1月前
|
数据采集 存储 数据可视化
Python数据分析:揭秘"黑神话:悟空"Steam用户评论趋势
Python数据分析:揭秘"黑神话:悟空"Steam用户评论趋势
|
1月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析和可视化
【10月更文挑战第42天】本文将介绍如何使用Python进行数据分析和可视化。我们将从数据导入、清洗、探索性分析、建模预测,以及结果的可视化展示等方面展开讲解。通过这篇文章,你将了解到Python在数据处理和分析中的强大功能,以及如何利用这些工具来提升你的工作效率。
|
1月前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析的基础教程
【10月更文挑战第41天】本文旨在为初学者提供一个关于如何使用Python语言进行数据分析的入门指南。我们将通过实际案例,了解数据处理的基本步骤,包括数据的导入、清洗、处理、分析和可视化。文章将用浅显易懂的语言,带领读者一步步掌握数据分析师的基本功,并在文末附上完整的代码示例供参考和实践。
|
1月前
|
数据采集 数据可视化 数据挖掘
掌握Python数据分析,解锁数据驱动的决策能力
掌握Python数据分析,解锁数据驱动的决策能力
|
1月前
|
数据采集 数据可视化 数据挖掘
Python数据分析:Pandas库实战指南
Python数据分析:Pandas库实战指南