科学计算库02 - 知乎

A. from_tuples()

B. from_arrays()

C. from_product()

D. from_list()

A. describe()

B. mean()

C. median()

D. sum()

A.from_tuples() B.from_arrays() C.from_product() D.from_list()

A.即可以按照行索引排序，也可以按照列索引排序 B.sort_index()方法表示按照值进行排序 C.sort_values()方法表示按照索引进行排序 D默认情况下，sort_index()方法按照降序排列

执行上述程序后，最终输出的结果为（ B ）。

A. a 3.0 d 2.0 c 1.0 b NaN B. a 3.0 b NaN c 1.0 d 2.0 C.程序出现异常 D. c 1 d 2 a 3

执行上述程序后，最终输出的结果为（ B ）。

A. 0 1 2 3 0 4 -1 -3 0 1 2 6 -1 -7 2 8 6 -5 1

B. 0 1 2 3 0 4 -1 -3 0 1 2 6 -1 -7 2 8 6 -5 1

C. 0 1 2 3 2 8 6 -5 1 1 2 6 -1 -7 0 4 -1 -3 0

D. 3 2 1 0 0 0 -3 -1 4 1 -7 -1 6 2 2 1 -5 6 8

A.Series是一个类似一维数组的对象

B.Series可以保存任何类型的数据

C.Series由数据和索引构成

D.Series结构的数据位于索引的左侧

A.DataFrame是一个类似二维数组的对象

B.DataFrame是由数据和索引组成

C.DataFrame有行索引与列索引

D.默认情况下DataFrame的行索引在最右侧

A.Pandas中的索引都是Index类对象

B.索引对象是可修改的

C.索引对象是不可修改的

D.Index对象是可以共享的

A.sort_values()可以按值排序

B.sort_values()可以按索引排序

C.sort_index()可以按索引排序

D.sort_index()可以按值排序

A.sum B.mean C.max D.min

A.read_sql() B.read_table() C.read_sql_query() D.read_query()

Series是一个类似于一维数组的对象，它能够保存任何类型的数据，主要由一组数据和与之相关的索引两部分构成。

DataFrame是一个类似于二维数组或表格（如excel）的对象，它每列的数据可以是不同的数据类型。与Series的结构相似，DataFrame的结构也是由索引和数据组成的，不同的是，DataFrame的索引不仅有行索引，还有列索引。

常用的统计方法有sum、mean、median、max、min等，其中sum表示计算运算结果的和；mean表示计算运算结果的平均值；median表示计算运算结果的中位数；max/min表示计算运算结果的最大值/最小值。

常用的读写操作有read_csv、to_csv、read_sql、to_sql、read_html、read_excel、to_excel，其中read_csv和to_csv表示对csv文件的读取与写入；read_sql和to_sql表示对数据库的读取与写入；read_excel和to_excel表示对excel文件的读取与写入；read_html表示对网页中table标签数据的读取。

-- 将数据集存成变量iris -- 创建数据框的列名称['sepal_length','sepal_width', 'petal_length', 'petal_width', 'class'] -- 数据框中有缺失值吗？ -- 将列petal_length的第10到19行设置为缺失值 -- 将petal_lengt缺失值全部替换为1.0 -- 删除列class -- 将数据框前三行设置为缺失值 -- 删除有缺失值的行 -- 重新设置索引

-- 将数据框命名为drinks -- 哪个大陆(continent)平均消耗的啤酒(beer)更多？ -- 打印出每个大陆(continent)的红酒消耗(wine_servings)的描述性统计值 -- 打印出每个大陆每种酒类别的消耗平均值 -- 打印出每个大陆每种酒类别的消耗中位数 -- 打印出每个大陆对spirit饮品消耗的平均值，最大值和最小值

数据连接：

-- 将数据集命名为euro12 -- 只选取 Goals 这一列 -- 有多少球队参与了2012欧洲杯？ -- 该数据集中一共有多少列(columns)? -- 将数据集中的列Team, Yellow Cards和Red Cards单独存为一个名叫discipline的数据框 -- 对数据框discipline按照先Red Cards再Yellow Cards进行排序 -- 计算每个球队拿到的黄牌数的平均值 -- 找到进球数Goals超过6的球队数据 -- 选取以字母G开头的球队数据 -- 选取前7列 -- 选取除了最后3列之外的全部列 -- 找到英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accuracy)