欧洲杯数据分析、鸢尾花数据处理

欧洲杯数据分析、鸢尾花数据处理"/>

欧洲杯数据分析、鸢尾花数据处理

欧洲杯数据分析

代码如下：

练习1 欧洲杯数据处理
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams ['font.sans-serif']=['SimHei']
#1、读取数据集Euro2012.csv。
lx1 = pd.read_csv(r'C:/课堂实训/Euro2012.csv')
lx1
#2、只选取 Goals 这一列数据。
lx1['Goals']
#3、输出有多少球队参与了欧洲杯？
lx1['Team'].nunique()
lx1['Team'].unique()
#4、该数据集中一共有多少列(columns)?
lx1.shape[1]
#5、将数据集中的列Team, Yellow Cards和Red Cards单独存为一个名叫euro_part的dataFrame对象
discipline = lx1[['Team', 'Yellow Cards', 'Red Cards']]
print(discipline)
#6、对数据euro_part按照先Red Cards再Yellow Cards进行降序排列。
discipline.sort_values(by=['Red Cards', 'Yellow Cards'])
#7、计算所有球队拿到的黄牌数的平均值。
discipline.groupby('Team').agg({'Yellow Cards': ['sum', 'mean']})
#8、找到进球数Goals超过6的球队所有数据。
index = lx1['Goals'] > 6
index.shape
print(index[0])
lx1.loc[index, :]
lx1[index]
#12、选取以字母G开头的球队数据。
lx1[lx1['Team'].str[0] == 'G']
#9、选取前7列。
lx1.iloc[:, :7]
#10、选取除了最后3列之外的全部列。
lx1.iloc[:, 0:-3]
#11、找到英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accurarcy)数据。
lx1.set_index('Team', inplace=True)
lx1.loc[['England', 'Italy', 'Russia'], 'Shooting Accuracy']

文件"Euro2012.csv"中的数据部分截图为：

鸢尾花数据处理

代码如下：

# 1、读取数据集iris.csv。
lx2 = pd.read_csv(r'C:/课堂实训/iris.csv')
lx2
#2、iris数据的列索引重命名为：
#['sepal_length','sepal_width', 'petal_length', 'petal_width', 'class']。
lx2.rename(columns={'1':'sepal_length','2':'sepal_width','3': 'petal_length', '4':'petal_width', '5':'class'},inplace=True)
lx2
#3、数据集中有缺失值吗？
lx2.isnull()
#4、将列petal_length的第10到19行设置为缺失值。
lx2.iloc[10:20,2:3] = np.nan
lx2.head(20)
#5、将petal_lengt缺失值全部替换为1。
lx2.petal_length.fillna(1, inplace = True)
lx2
#6、删除列class。
del lx2['class']
lx2.head()
# 7、将数据框前三行设置为缺失值。
lx2.iloc[0:3 ,:] = np.nan
lx2.head()
#8、删除含有缺失值的行。
lx2.dropna(axis=0,how='any',inplace=False)

文件"iris.csv"中的数据部分截图为：