pinned «Vui lòng sử dụng Fresco Play,iEvolve, Linkedin Learning, O'Reilly Learning, Udemy. 1. lưu ý 1. Số Id khóa học trong liên kết. Đối với một số thành viên gặp phải vấn đề về Hackerrank, hãy thử mở các Vấn đề thực hành vào tối thứ bảy hoặc chủ nhật. 2. Lưu ý 2. Nhóm này là… » Python Pandas Fresco Play Giải pháp thực hành từ chối trách nhiệm. Động lực chính để cung cấp giải pháp này là giúp đỡ và hỗ trợ những người không thể tham gia các khóa học này do gặp phải một số vấn đề và thiếu một chút kiến thức. Tất cả tài liệu và thông tin trên trang web này chỉ dành cho mục đích kiến thức và giáo dục Cố gắng hiểu những giải pháp này và giải quyết các vấn đề Thực hành của bạn. (Không khuyến khích sao chép và dán các giải pháp này) Lộ trình khóa học. Khoa học dữ liệu/HỘP CÔNG CỤ CỦA NHÀ KHOA HỌC DỮ LIỆU/Python Pandas Tất cả câu hỏi của bài kiểm tra có sẵn bên dưới để dễ dàng Sử dụng Ctrl + F để tìm Câu hỏi Gợi ý. Nếu bạn không tìm thấy câu hỏi, hãy Tìm kiếm theo các tùy chọn để có kết quả chính xác hơn 1. Chào mừng đến với Python Pandas. 1. Cấu trúc dữ liệu trong Pandas(60 phút) Cấu trúc dữ liệu Pandas - Thực hành Tên tệp. ăn xin. py nhập gấu trúc dưới dạng pd nhập numpy dưới dạng np heights_A = pd. Sê-ri([176. 2.158. 4.167. 6,156. 2.161. 4]) chiều cao_A. chỉ mục = ['s1','s2','s3','s4','s5'] in (độ cao_A. hình dạng) # NHIỆM VỤ 2 trọng số_A = pd. Sê-ri([85. 1,90. 2,76. 8,80. 4,78. 9]) tạ_A. chỉ mục = ['s1','s2','s3','s4','s5'] in (trọng số_A. dtype) #NHIỆM VỤ 3 df_A = pd. Khung dữ liệu() df_A['Student_height'] = heights_A df_A['Student_weight'] = weights_A in(df_A. hình dạng) #NHIỆM VỤ 4 my_mean = 170. 0 my_std = 25. 0 np. ngẫu nhiên. hạt giống(100) heights_B = pd. Sê-ri (np. ngẫu nhiên. bình thường (loc = my_mean, scale = my_std, size = 5)) chiều cao_B. chỉ mục = ['s1','s2','s3','s4','s5'] my_mean1 = 75. 0 my_std1 = 12. 0 trọng số_B = pd. Sê-ri (np. ngẫu nhiên. bình thường(loc=my_mean1,scale=my_std1,size=5)) tạ_B. chỉ mục = ['s1','s2','s3','s4','s5'] in (chiều cao_B. nghĩa là()) #NHIỆM VỤ 5 df_B = pd. Khung dữ liệu() df_B['Student_height'] = heights_B df_B['Student_weight'] = weights_B in(df_B. cột)
2. Chào mừng đến với Python Pandas. 3. Làm việc với tệp CSV (90 phút) Làm việc với CSV Tên tệp. ăn xin. py # Viết mã của bạn ở đây nhập gấu trúc dưới dạng pd nhập numpy dưới dạng np heights_A = pd. Sê-ri([176. 2.158. 4.167. 6,156. 2.161. 4]) chiều cao_A. chỉ mục = ['s1','s2','s3','s4','s5'] trọng số_A = pd. Sê-ri([85. 1,90. 2,76. 8,80. 4,78. 9]) tạ_A. chỉ mục = ['s1','s2','s3','s4','s5'] df_A = pd. Khung dữ liệu() df_A['Student_height'] = heights_A df_A['Student_weight'] = weights_A df_A. to_csv('lớpA. csv') # NHIỆM VỤ 2 df_A2 = pd. read_csv('lớpA. csv') in (df_A2) #NHIỆM VỤ 3 df_A3 = pd. read_csv('lớpA. csv',index_col = 0) in (df_A3) #NHIỆM VỤ 4 my_mean = 170. 0 my_std = 25. 0 np. ngẫu nhiên. hạt giống(100) heights_B = pd. Sê-ri (np. ngẫu nhiên. bình thường (loc = my_mean, scale = my_std, size = 5)) chiều cao_B. chỉ mục = ['s1','s2','s3','s4','s5'] my_mean1 = 75. 0 my_std1 = 12. 0 np. ngẫu nhiên. hạt giống(100) trọng số_B = pd. Sê-ri (np. ngẫu nhiên. bình thường(loc=my_mean1,scale=my_std1,size=5)) tạ_B. chỉ mục = ['s1','s2','s3','s4','s5'] df_B = pd. Khung dữ liệu() df_B['Student_height'] = heights_B df_B['Student_weight'] = weights_B df_B. to_csv('lớpB. csv',chỉ mục = Sai) in ('lớp B. csv') #NHIỆM VỤ 5 df_B2 = pd. read_csv('lớpB. csv') in (df_B2) #NHIỆM VỤ 6 df_B3 = pd. read_csv('lớpB. csv',tiêu đề = Không có) in (df_B3) #NHIỆM VỤ 7 df_B4 = pd. read_csv('lớpB. csv',header = Không, bỏ qua = 2) in (df_B4) 3. Chào mừng đến với Python Pandas. 4. Lập chỉ mục Dataframes (75 phút) Thực hành với các chỉ mục Tên tệp. ăn xin. py # Viết mã của bạn ở đây nhập gấu trúc dưới dạng pd nhập numpy dưới dạng np #NHIỆM VỤ 1 Datetime Index = pd. date_range(start = '01/09/2017',end='15/09/2017') in(Datetime Index[2]) #NHIỆM VỤ 2 datelist = ['14-Sep-2017','09-Sep-2017'] date_to_be_searched = pd. to_datetime(datelist) in(date_to_be_searched) #NHIỆM VỤ - 3 in(date_to_be_searched. isin(danh sách dữ liệu)) #NHIỆM VỤ - 4 danh sách mảng = [['classA']*5 + ['classB']*5,['s1','s2','s3','s4','s5']* 2] mi_index = pd. Đa chỉ số. from_product(arraylist,names=['First Level','Second Level']) in (mi_index. cấp độ) 4. Chào mừng đến với Python Pandas. 5. Dọn dẹp dữ liệu Dọn dẹp dữ liệu - Handson Tên tệp. ăn xin. py # Viết mã của bạn ở đây nhập gấu trúc dưới dạng pd nhập numpy dưới dạng np chiều cao_A = pd. Sê-ri([176. 2.158. 4.167. 6,156. 2.161. 4]) chiều cao_A. chỉ mục = ['s1','s2','s3','s4','s5'] trọng lượng_A = pd. Sê-ri([85. 1,90. 2,76. 8,80. 4,78. 9]) trọng lượng_A. chỉ mục = ['s1','s2','s3','s4','s5'] df_A = pd. Khung dữ liệu() df_A['Student_height'] = height_A df_A['Student_weight'] = weight_A df_A. loc['s3'] = np. nan df_A. loc['s5'][1] = np. nan df_A2 = df_A. dropna (làm thế nào = 'bất kỳ') in (df_A2) 5. Chào mừng đến với Python Pandas. 6. Tổng hợp dữ liệu (75 phút) Tổng hợp dữ liệu - Handson Tên tệp. ăn xin. py # Viết mã của bạn ở đây nhập gấu trúc dưới dạng pd nhập numpy dưới dạng np heights_A = pd. Sê-ri([176. 2.158. 4.167. 6,156. 2.161. 4]) chiều cao_A. chỉ mục = ['s1','s2','s3','s4','s5'] trọng số_A = pd. Sê-ri([85. 1,90. 2,76. 8,80. 4,78. 9]) tạ_A. chỉ mục = ['s1','s2','s3','s4','s5'] df_A = pd. Khung dữ liệu() df_A['Student_height'] = heights_A df_A['Student_weight'] = weights_A df_A_filter1 = df_A[(df_A. Student_weight < 80. 0) & (df_A. Student_height > 160. 0)] in (df_A_filter1) #NHIỆM VỤ 2 df_A_filter2 = df_A[df_A. mục lục. isin(['s5'])] in(df_A_filter2) #NHIỆM VỤ - 3 df_A['Giới tính'] = ['M','F','M','M','F'] df_groups = df_A. groupby('Giới tính') in (df_groups. nghĩa là()) 6. Chào mừng đến với Python Pandas. 7. Hợp nhất dữ liệu 1 (75 phút) Hợp nhất dữ liệu - Thực hành 1 Tên tệp. ăn xin. py nhập gấu trúc dưới dạng pd nhập numpy dưới dạng np chiều cao_A = pd. Sê-ri([176. 2.158. 4.167. 6,156. 2.161. 4]) chiều cao_A. chỉ mục = ['s1','s2','s3','s4','s5'] trọng số_A = pd. Sê-ri([85. 1,90. 2,76. 8,80. 4,78. 9]) tạ_A. chỉ mục = ['s1','s2','s3','s4','s5'] df_A = pd. Khung dữ liệu() df_A['Student_height'] = height_A df_A['Student_weight'] = weights_A df_A['Giới tính'] = ['M','F','M','M','F'] s = pd. Sê-ri([165. 4,82. 7,'F'],index = ['Student_height','Student_weight','Giới tính'],name='s6') df_AA = df_A. thêm (các) in (df_AA) #NHIỆM VỤ 2 my_mean = 170. 0 my_std = 25. 0 np. ngẫu nhiên. hạt giống(100) heights_B = pd. Sê-ri (np. ngẫu nhiên. bình thường(loc = my_mean,scale=my_std,size = 5)) chiều cao_B. chỉ mục = ['s1','s2','s3','s4','s5'] my_mean1 = 75. 0 my_std1 = 12. 0 np. ngẫu nhiên. hạt giống(100) trọng số_B = pd. Sê-ri (np. ngẫu nhiên. bình thường(loc = my_mean1,scale=my_std1,size = 5)) tạ_B. chỉ mục = ['s1','s2','s3','s4','s5'] df_B = pd. Khung dữ liệu() df_B['Student_height'] = heights_B df_B['Student_weight'] = weights_B df_B. index=['s7','s8','s9','s10','s11'] df_B['Giới tính'] = ['F','M','F','F','M'] df = pd. concat([df_AA,df_B]) in (df) 7. Chào mừng đến với Python Pandas. số 8. Hợp nhất dữ liệu 2 (75 phút) Hợp nhất dữ liệu - Thực hành 2 Tên tệp. ăn xin. py # Viết mã của bạn ở đây nhập gấu trúc dưới dạng pd nhập numpy dưới dạng np tên = pd. Sê-ri(phạm vi(101,111)) tên = pd. Sê-ri(['person' + str(i) for i in range(1,11)]) chủ = pd. Khung dữ liệu() master['nameid'] = nameid chủ ['tên'] = tên giao dịch = pd. Khung dữ liệu ({'nameid'. [108,108,108,103],'sản phẩm'. ['iPhone','Nokia','Micromax','Vivo']}) mdf = pd. hợp nhất (chính, giao dịch, trên = 'nameid') in (mdf) 8. Chào mừng đến với Python Pandas. 2. Truy cập cấu trúc dữ liệu Pandas(90 phút) Truy cập các phần tử trong cấu trúc dữ liệu Tên tệp. ăn xin. py # Viết mã của bạn ở đây nhập gấu trúc dưới dạng pd nhập numpy dưới dạng np heights_A = pd. Sê-ri([176. 2.158. 4.167. 6,156. 2.161. 4]) chiều cao_A. chỉ mục = ['s1','s2','s3','s4','s5'] in(heights_A[1]) # NHIỆM VỤ 2 in (độ cao_A[1. 4]) # NHIỆM VỤ 3 trọng số_A = pd. Sê-ri([85. 1,90. 2,76. 8,80. 4,78. 9]) tạ_A. chỉ mục = ['s1','s2','s3','s4','s5'] df_A = pd. Khung dữ liệu() df_A['Student_height'] = heights_A df_A['Student_weight'] = weights_A chiều cao = df_A['Student_height'] in (loại (chiều cao)) # NHIỆM VỤ 4 df_s1s2 = df_A[df_A. mục lục. isin(['s1','s2'])] in(df_s1s2) # NHIỆM VỤ 5 df_s2s5s1 = df_A[df_A. mục lục. isin(['s1','s2','s5'])] df_s2s5s1 = df_s2s5s1. reindex(['s2','s5','s1']) in(df_s2s5s1) #NHIỆM VỤ 6 df_s1s4 = df_A[df_A. mục lục. isin(['s1','s4'])] in(df_s1s4)
Nếu bạn muốn có câu trả lời cho bất kỳ khóa học chơi ngoài trời nào, vui lòng hỏi trong phần bình luận, chúng tôi chắc chắn sẽ giúp đỡ |