|【全面】pandas数据分析面试题(二)汇总!

|【全面】pandas数据分析面试题(二)汇总!

文章图片

|【全面】pandas数据分析面试题(二)汇总!

文章图片

|【全面】pandas数据分析面试题(二)汇总!

文章图片

|【全面】pandas数据分析面试题(二)汇总!

文章图片

|【全面】pandas数据分析面试题(二)汇总!

文章图片

|【全面】pandas数据分析面试题(二)汇总!

文章图片

|【全面】pandas数据分析面试题(二)汇总!

哈喽 , 大家好 , 今天继续为大家带来pandas数据分析面试题 。
我们接下来的操作依旧是以如下数据作为案例:
dic={
\"name\":['python''pandas''numpy''Matplotlib''python''html'

\"price\":[405060704551
\"adress\":['北京''上海''广州''深圳'
'杭州''湖州'


df=pd.DataFrame(dic)

1、删除最后一行数据:
df.drop([5
axis=0)

2、如何添加一行数据:
row={'name':'js''price':66'adress':'武汉'
df=df.append(rowignore_index=True)

3、对数据按照price这列进行排序:
df.sort_values(\"price\")

4、通过pandas读取Excel数据
df=pd.read_excel('pandas面试题.xlsx')

5、将数据按照name进行分组 , 并计算出平均的价格:
df.groupby(\"name\").mean()

6、查看索引、数据类型和内存信息
df.info()

7、查看数值型列的汇总统计
df.describe()

8、按照价格列对数据降序排列
df.sort_values('price'ascending=False)

9、将数据第二列提取出来:
df.loc[2


10、计算价格列的中位数:
df[\"price\"
.median()
11、根据价格列绘制直方图:
df.price.plot(kind='hist')
12、删除最后一列
del df['adress'

13、将第一列和最后一列合并后生成新的列:
df['hb'
=df[\"name\"
+df[\"adress\"


14、将第一行与最后一行拼接
pd.concat([df[:1
df[-2:-1

)

15、将第二行数据添加到末尾:
df.append(df.loc[2
)

【|【全面】pandas数据分析面试题(二)汇总!】好了 , 今天的内容就先到这里了 , 明天见!