这样制作公司网站,科技企业网站如何建设,淘宝客做网站推广赚钱吗,网站开发 就业简历模板1.实验目的 掌握常见数据预处理方法#xff0c;熟练运用数据分析方法#xff0c;并掌握 Python 中的 Numpy、 Pandas 模块提供的数据分析方法。 2.实验内容 1. Pandas 基本数据处理 使用 Pandas 模块#xff0c;完成以下操作。 #xff08;1#xff09;创建一个由 0 到 50… 1.实验目的 掌握常见数据预处理方法熟练运用数据分析方法并掌握 Python 中的 Numpy、 Pandas 模块提供的数据分析方法。 2.实验内容 1. Pandas 基本数据处理 使用 Pandas 模块完成以下操作。 1创建一个由 0 到 50 之间的整数组成的 10 行 5 列的 dataframe。如下 2汇总每一列的最小值。 3按行方向汇总每行数据的总和。 4按列方向汇总每列数据的总和。 代码 #创建一个由 0 到 50 之间的整数组成的 10 行 5 列的 dataframe import pandas as pd import numpy as np df pd.DataFrame(np.arange(0, 50).reshape(10, 5)) # 输出 dataframe print(dataframe:,df) # 汇总每一列的最小值 min_values np.min(df, axis0) print(每列的最小值:, min_values) # 按行方向汇总每行数据的总和 row_sums np.sum(df, axis1) print(每行的总和:, row_sums) # 按列方向汇总每列数据的总和 col_sums np.sum(df, axis0) print(每列的总和:, col_sums) 2.  城市夏季气温分析 在“tpData.csv”文件中存储的是韩国某城市夏季的最高、最低气温数据时间是 从 2013 年到 2018 年间日期是从每年的 6 月 30 日到 8 月 30 日。其中 Present_Tmax 字段代表下午 2 点测量的最高温度。Present_Tmin 代表凌晨 4 点测量的最低温度。完 成以下操作。 1使用 Pandas 的 read_csv()函数读取“tpData.csv”并显示数据。 import pandas as pd df  pd.read_csv(tpData.csv) #header:Year Month Day Present_Tmax Present_Tmin df 图 4-1   韩国某城市夏季温度数据 2按年度分组查看每年各有多少条数据。 操作提示 使用 groupby 函数按 Year 字段分组。 #分组统计 df.groupby(Year).size() #查看组大小结果 3按年份统计每年的最高温度的平均值。 操作提示 使用 groupby 函数按 Year 字段分组统计 Present_Tmax 字段的平均值。 df.groupby(Year)[Present_Tmax].mean() 4按月份统计 6、7、8 每个月的最高温度的平均值。 df.groupby(Month)[Present_Tmax].mean() 5按月份统计 6、7、8 每个月的最低温度的平均值。 df.groupby(Month)[Present_Tmin].mean() 代码 #使用 Pandas 的 read_csv()函数读取“tpData.csv”并显示数据 import pandas as pd df pd.read_csv(rD:\tpData.csv) print(df) #按年度分组查看每年各有多少条数据。 操作提 print(df.groupby(Year).size()) #按年份统计每年的最高温度的平均值。 操作提示 print(df.groupby(Year)[Present_Tmax].mean()) #按月份统计 6、7、8 每个月的最高温度的平均值。 print(df.groupby(Month)[Present_Tmax].mean()) #按月份统计 6、7、8 每个月的最低温度的平均值。 print(df.groupby(Month)[Present_Tmin].mean()