import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') df = data[data['Num_of_exercise']>= 10]['Num_of_exercise'] mod = data[data['Num_of_exercise']>= 10]['Number_of_submissions'] print((df/mod).max().round(3))

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',')#第一步先读取数据 df = data[data['Level'] == 7]['Achievement_value']#通过筛选，将等级7的大佬的成就值筛选出来 mod = data['Achievement_value'].sum()#成就值总数 print(df/mod)

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') print(data['Num_of_exercise'].var().round(2))#var计算方差 print(data['Num_of_exercise'].std().round(2))#std计算标准差，round() 方法返回浮点数x的四舍五入值。

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') mond = data.Level == 7#将data.Level print(int(data[mond].Achievement_value.values.ptp()))#ptp时计算最大值与最小值的函数。

from ast import Continue import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') print(data.describe().loc['25%',['Achievement_value','Continuous_check_in_days']]) print(data.describe().loc['75%',['Num_of_exerciase','Number_of_submissions']]) #describe函数，使用标准差std，平均值mean，最大值max，最小值min，数量统计cou...

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') print(data['Level'].mode().to_frame()) #看了一下参考答案，各位大佬的思路都好复杂，to_frame()能够将例子满足于所需

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') print(data.Language.nunique())#nunique可以查看有多少种不同的树枝 print(list(data.Language.unique()))#unique 是numpy是去重函数，list是为了最后输出的是横的字符串

from numpy import median import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') df = data['Num_of_exercise'] >= 10 median = data[df]['Level'].median()#筛除条件后，进行中位数函数 print(int(median))

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') df = data[data['Language'] == 'Python']#选择data里面语言中的python，本来想用loc来进行条件筛查，但是后续就进行不平均值计算 df1 = df['Number_of_submissions'].mean()#通过筛查里面的df，进行平均值计算 print("%.1f"%df1)

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') print(data['Continuous_check_in_days'].max()) print(data['Continuous_check_in_days'].min())#在两个输出结果里面直接连接min和max函数

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') print(data['Language'].value_counts()) #这道题目标很明确的告诉答题者，就是要统计语言出现次数的频率value_counts count()获取非缺失值的数量

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') pd.set_option('display.width',None)#不知道什么时候才用这三行 pd.set_option('display.max_rows',None) pd.set_option('display.max_columns',None) print(data.query('Language == "CPP"& Level == 7 & Graduate_year != 2018'))#query用于数据筛选，使用...

import pandas as pd data = pd.read_csv('Nowcoder.csv',sep=',') #pd.set_option('display.max_rows',None) #pd.set_option('display.max_columns',None) #pd.set_option('display.width',None) df = data['Num_of_exercise'] >= 500 #又学到一个，没想到能这样比大小 print(data[df][['Level','Achievement_value']])