1.思路还是将两个表合并后使用groupby和count结合 2.how='outer'对两张表所有的键进行合并 3.how='inner'对两张表交集的键进行合并 import pandas as pd items = pd.read_csv('items.csv',sep=',') signup = pd.read_csv('signup.csv',sep=',') df = items.set_index('item_id').join(signup.set_index('item_id'), on='item_id', how='outer') print(df.groupby(...

1.这道题的思路无疑就是将两个表的数据结合起来使用groupby和count结合起来 2.难点：表组合 3.set_index( ) 将 DataFrame 中的列转化为行索引。 4.signup.set_index指的是设置item_id为标签 5.join多个DataFrame进行索引合并 6.on需要连接的列明 7.inner：取交集，只连接两张表都存在的内容。（数据量可能变少） import pandas as pd signup = pd.read_csv('signup.csv') items = pd.read_csv('items.csv') df = items.set_i...

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') print(data.groupby('Level')['Language'].value_counts())#主要还是groupby和value_counts() 可以把他们两个视为组合技，将数据汇总后，还能总结出频率，就是题目会比较吓人

print('Hello Nowcoder!')

#import pandas as pd #data = pd.read_csv('nowcoder.csv',sep=',') #data['date'] = pd.to_datetime(data['date']) #data['date1'] = data['date'].dt.strftime('%Y-%M') #print(data) #data = data[data['date1'] == '2021-12'] #data['date2'] = pd.to_datetime(data['date'].dt.date) #data['rk'] = pd.to_datetime(d...

import pandas as pd data = pd.read_csv('nowcoder.csv',sep=',') df = data.groupby('result') print(df.size()) #感觉做题太多后，有点疑神疑虑，这题蛮简单的但是自己脑海的想法好多

import pandas as pd df = pd.read_csv('nowcoder.csv',sep=',') df['year-month-day'] = pd.to_datetime(df.date.str[:10])#接触到新写法 data = df.groupby(['result','year-month-day']).count().question_id#计算出每天的问题提交结果 print(data)

import pandas as pd df = pd.read_csv('nowcoder.csv',sep=',') df['date'] = pd.to_datetime(df['date']).dt.date df1 = df.copy() df1['date'] = df1['date'] + pd.Timedelta(days=1) total = pd.merge(df,df1,how='inner',on=['user_id','date']) n = total['user_id'].count() n1 = df['user_id'].count() print(roun...

import pandas as pd data = pd.read_csv('nowcoder.csv',parse_dates=True,index_col='date') #parse_dates=True : 尝试解析index为日期格式； #index_col是read_csv中的一个参数。用来指定表格的索引值 daily_num = data.groupby('date')['question_id'].count() print(daily_num)

import pandas as pd data = pd.read_json('Nowcoder.json',dtype=dict)#格式转换 pd.set_option('display.max_row',None) pd.set_option('display.max_columns',None) pd.set_option('display.width',None) print(data)

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',',dtype=object) #pd.set_option('display.max_columns',None) #pd.set_option('display.max_row',None) #pd.set_option('display.width',None) data['Last_submission_time']=pd.to_datetime(data['Last_submission_time'],format='%Y-%m-%d') df = data[['...

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') pd.set_option('display.width',None) pd.set_option('display.max_rows',None) pd.set_option('display.max.columns',None) mod = data.duplicated() df = data.drop_duplicates(keep=False) print(mod) print(df) #这里就是需要搞懂drop—_duplicates是对数据去重 #而d...

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') pd.set_option('display.width',None) pd.set_option('display.max_rows',None) pd.set_option('display.max_columns',None) #这里可以读取数据data的年份max最大值 year = data.Graduate_year.max() #这里就是成就值填空，但是基本上没有固定说填什么值，这里选择填平均值mean abb = data.Achievement_va...

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',',dtype='object')#现在有点理解什么时候使用dtype，一般出现年份的时候 pd.set_option('display.max_rows',None)#这三行一般是在大多数数据的出现的时候需要 pd.set_option('display.max_columns',None) pd.set_option('display.width',300) print(data.dropna(axis=0,how='any',inplace=False))#其实使用i...