第1关：了解数据处理对象–Series
任务描述
本关任务：仔细阅读编程要求，完成相关要求。
相关知识
为了完成本关任务，你需要掌握：
Pandas中的数据结构；- 了解
Series。
Pandas是为了解决数据分析任务而创建的，纳入了大量的库和标准数据模型，提供了高效地操作大型数据集所需的工具。
对于 Pandas包，在 Python 中常见的导入方法如下：
from pandas import Series,DataFrame import pandas as pd
Pandas 中的数据结构
Series: 一维数组，类似于Python中的基本数据结构 list，区别是 Series 只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。就像数据库中的列数据；DataFrame: 二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器；Panel：三维的数组，可以理解为DataFrame的容器。
了解 Series
为了开始使用 Pandas，我们必需熟悉它的两个重要的数据结构：Series和 DataFrame。虽然它们不是每一个问题的通用解决方案，但可以提供一个坚实的，易于使用的大多数应用程序的基础。
Series是一个一维的类似的数组对象，包含一个数组的数据（任何NumPy 的数据类型）和一个与数组关联的数据标签，被叫做索引 。最简单的Series是由一个数组的数据构成：
In [1]:obj=Series([4,7,-5,3]) In [2]:obj Out[2]: 0 4 1 7 2 -5 3 3
Series的交互式显示的字符串表示形式是索引在左边，值在右边。因为我们没有给数据指定索引，一个包含整数 0到 N-1这里 N 是数据的长度）的默认索引被创建。你可以分别的通过它的 values和 index属性来获取 Series的数组表示和索引对象：
In [3]: obj.values Out[3]:array([4,7,-5,3]) In [4]: obj.index Out[4]:Int64Index([0,1,2,3])
通常，需要创建一个带有索引来确定每一个数据点的 Series。
In [5]:obj2=Series([4,7,-5,3],index=['d','b','a','c']) In [6]:obj2 Out[6]: d 4 b 7 a -5 c 3
如果你有一些数据在一个 Python 字典中，你可以通过传递字典来从这些数据创建一个 Series，只传递一个字典的时候，结果 Series中的索引将是排序后的字典的键。
In [7]:sdata={'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000} In [8]:obj3=Series(sdata) In [9]:obj3 Out[9]: Ohio 35000 Texas 71000 Oregon 16000 Utah 5000
编程要求
根据提示，补充代码：
- 创建一个名为
series_a的series数组，当中值为[1,2,5,7],对应的索引为['nu', 'li', 'xue', 'xi']； - 创建一个名为
dict_a的字典，字典中包含如下内容{'ting':1, 'shuo':2, 'du':32, 'xie':44}； - 将
dict_a字典转化成名为series_b的series数组。
测试说明
- 如果答案正确，则会输出 True。
运行代码
# -*- coding: utf-8 -*- from pandas import Series,DataFrame import pandas as pd def create_series(): ''' 返回值: series_a: 一个Series类型数据 series_b: 一个Series类型数据 dict_a： 一个字典类型数据 ''' # 请在此添加代码 完成本关任务 # ********** Begin *********# series_a=Series([1,2,5,7],index=['nu', 'li', 'xue', 'xi']) dict_a={'ting':1, 'shuo':2, 'du':32, 'xie':44} series_b=Series(dict_a) # ********** End **********# # 返回series_a,dict_a,series_b return series_a,dict_a,series_b
第2关：了解数据处理对象-DataFrame
任务描述
本关任务：根据编程要求，完成相关代码的编写。
相关知识
为了完成本关任务，你需要掌握：
- DataFrame 创建；
- 修改行名；
- 添加修改；
- 添加 Series 类型；
- 添加新列。
DataFrame是一个表格型的数据结构，是以一个或多个二维块存放的数据表格（层次化索引），DataFrame 既有行索引还有列索引，它有一组有序的列，每列既可以是不同类型（数值、字符串、布尔型）的数据，或者可以看做由 Series组成的字典。
DataFrame 创建
dictionary = {'state':['0hio','0hio','0hio','Nevada','Nevada'], 'year':[2000,2001,2002,2001,2002], 'pop':[1.5,1.7,3.6,2.4,2.9]} frame = DataFrame(dictionary)
修改行名
frame=DataFrame(dictionary,index=['one','two','three','four','five'])
添加修改
frame['add']=[0,0,0,0,0]
添加 Series 类型
value = Series([1,3,1,4,6,8],index = [0,1,2,3,4,5]) frame['add1'] = value
添加新列
1、直接在后面新增一列 指明列名，并赋值即可： data[‘列名’]=[1,2] 2、在指定位置新增一列 用insert()函数，data.insert(位置,列名,列值)，例如： data.insert(2,‘c’,’’)
编程要求
根据提示，补充代码：
- 创建一个五行三列的名为
df1的DataFrame数组，列名为[states,years,pops]，行名['one','two','three','four','five']； - 给
df1添加新列，列名为new_add，值为[7,4,5,8,2]。
测试说明
如果答案正确，则会输出 True。
运行代码
# -*- coding: utf-8 -*- from pandas import Series,DataFrame import pandas as pd def create_dataframe(): ''' 返回值: df1: 一个DataFrame类型数据 ''' # 请在此添加代码 完成本关任务 # ********** Begin *********# dictionary = {'states':['','','','',''], 'years':['','','','',''], 'pops':['','','','','']} df1 = DataFrame(dictionary) df1 = DataFrame(dictionary,index=['one','two','three','four','five']) df1['new_add'] = [7,4,5,8,2] # ********** End **********# #返回df1 return df1
第3关：读取 CSV 格式数据
任务描述
本关任务：根据编程要求，完成相关代码的编写。
相关知识
为了完成本关任务，你需要掌握：
- 读取 CSV；
- 查看前 n 行；
- 查看后 n 行；
- 查看总行数；
- 修改列名。
在使用机器学习工具包对数据进行修改、探索和分析之前，我们必须先讲外部数据导入。使用 Pandas导入数据比 Numpy要容易。在这里我们将使用英国降雨数据，数据已下好并放在本实训的当前文件夹。
读取 CSV
# Reading a csv into Pandas. # 如果数据集中有中文的话，最好在里面加上 encoding = 'gbk' ，以避免乱码问题。后面的导出数据的时候也一样。 df = pd.read_csv('uk_rain_2014.csv', header=0)
这里我们从 csv 文件里导入了数据，并储存在 DataFrame 中。这一步非常简单，你只需要调用read_csv然后将文件的路径传进去就行了。header 关键字告诉Pandas哪些是数据的列名。如果没有列名的话就将它设定为None。
数据导入pandas 之后，我们该怎么查看数据呢？
查看前 n 行
# Getting first x rows. df.head(5)
查看后 n 行
# Getting last x rows. df.tail(5)
查看总行数
# Finding out how many rows dataset has. len(df)
修改列名
我们通常使用列的名字来在 Pandas 中查找列。这一点很好而且易于使用，但是有时列名太长，我们需要缩短列名。
# Changing column labels. df.columns = ['water_year','rain_octsep','outflow_octsep','rain_decfeb', 'outflow_decfeb', 'rain_junaug', 'outflow_junaug']
编程要求
根据提示，补充代码：
- 将
test3/uk_rain_2014.csv中的数据导入到 df1 中； - 将列名修改为
['water_year','rain_octsep','outflow_octsep','rain_decfeb', 'outflow_decfeb', 'rain_junaug', 'outflow_junaug']；
计算 df1 的总行数并存储在 length1中。
测试说明
如果答案正确，则会输出True。
运行代码
# -*- coding: utf-8 -*- from pandas import Series,DataFrame import pandas as pd def read_csv_data(): ''' 返回值: df1: 一个DataFrame类型数据 length1: 一个int类型数据 ''' # 请在此添加代码 完成本关任务 # ********** Begin *********# df1=pd.read_csv('test3/uk_rain_2014.csv')#把文件导入df1中 df1.columns = ['water_year','rain_octsep','outflow_octsep','rain_decfeb', 'outflow_decfeb', 'rain_junaug', 'outflow_junaug'] #修改列名 DataFrame类型数据.columns=['填写你修改的名字'] length1=len(df1) #把df1的长度放在length1中 # ********** End **********# #返回df1,length1 return df1,length1
