# 导入pandas库 import pandas as pd # 读取Nowcoder.csv数据集 nowcoder = pd.read_csv("Nowcoder.csv") # 使用.nunique()获取Language一列不同语言的数量 language_number = nowcoder["Language"].nunique() # 使用.unique()获取Language一列不同语言的名称 language_names = nowcoder["Language"].unique() # 打印语言数量与名称 print(language_number, "\n", langu...

# 导入pandas库 import pandas as pd # 读取Nowcoder.csv文件,存储为nowcoder数据框 nowcoder = pd.read_csv("Nowcoder.csv") # 选择Num_of_exercise列的值大于等于10的行,存储为active_users数据框 active_users = nowcoder[nowcoder["Num_of_exercise"] >= 10] # 计算active_users数据框中Level列的中位数,并将数据类型转换为int active_mean = active_users["Level"].med...

# 导入pandas库并取别名pd import pandas as pd # 读取Nowcoder.csv文件,得到DataFrame对象nowcoder nowcoder = pd.read_csv("Nowcoder.csv") # 选取Language列值为Python的行,存储在python_users中 python_users = nowcoder[nowcoder["Language"] == "Python"] # 选取python_users的Number_of_submissions列 # 使用mean()计算平均值,存储在submissions_mean中 submis...

# 导入pandas库并取别名pd import pandas as pd # 读取Nowcoder.csv文件,得到DataFrame对象nowcoder nowcoder = pd.read_csv("Nowcoder.csv") # 选取Continuous_check_in_days列,存储在days中 days = nowcoder["Continuous_check_in_days"] # 使用days.max()得到最长的连续签到天数,存储在max_days中 max_days = days.max() # 使用days.min()得到最短的连续签到天数,存储在min_days中...

# 导入pandas库并取别名pd import pandas as pd # 读取Nowcoder.csv文件,得到DataFrame对象nowcoder nowcoder = pd.read_csv("Nowcoder.csv") # 选取Language列 language = nowcoder["Language"] # 使用language.value_counts()统计每个语言的用户数量 languages_users = language.value_counts() # 打印languages_users print(languages_users)

# 导入pandas库并取别名pd import pandas as pd # 读取Nowcoder.csv文件,得到DataFrame对象nowcoder nowcoder = pd.read_csv("Nowcoder.csv") # 设置输出选项,控制输出行宽度为300,显示所有行和列 pd.set_option("display.width", 300) pd.set_option("display.max_rows", None) pd.set_option("display.max_columns", None) # 筛选条件:等级为7,语言为CPP,毕业年份不是2018 cond...

import pandas as pd # 从当前目录读取Nowcoder.csv数据集 Nowcoder = pd.read_csv("Nowcoder.csv") # 过滤刷题数量大于500题的用户 # 存储结果在high_exercise变量中 high_exercise = Nowcoder[Nowcoder["Num_of_exercise"] > 500] # 提取high_exercise中的Level和Achievement_value两列 # 存储在level_achievement变量中 level_achievement = high_exercise[["Leve...

import pandas as pd # 从当前目录读取Nowcoder.csv数据集 Nowcoder = pd.read_csv("Nowcoder.csv") # 设置pandas显示配置 # display.width设置字符显示宽度 # display.max_rows设置最大显示行数 # display.max_columns设置最大显示列数 pd.set_option("display.width", 300) pd.set_option("display.max_rows", None) pd.set_option("display.max_columns", None) #...

import pandas as pd # 从当前目录读取Nowcoder.csv数据集 Nowcoder = pd.read_csv("Nowcoder.csv") # 设置pandas显示配置 # display.width设置字符显示宽度 # display.max_rows设置最大显示行数 # display.max_columns设置最大显示列数 pd.set_option("display.width", 300) pd.set_option("display.max_rows", None) pd.set_option("display.max_columns", None) #...

import pandas as pd # 从当前目录读取Nowcoder.csv数据集 Nowcoder = pd.read_csv("Nowcoder.csv") # 删除Nowcoder数据集中全部为空(NaN)的行 # how="all"表示行中所有值全为NaN时才删除 # 存储结果在nowcoder_na变量中 nowcoder_na = Nowcoder.dropna(how="all") # 使用tail()方法获取nowcoder_nona的最后5行数据 # 存储在tail_five变量中 tail_five = nowcoder_na.tail() # 提取tail_five...

import pandas as pd # 从当前目录读取Nowcoder.csv数据集 Nowcoder = pd.read_csv("Nowcoder.csv") # 使用Nowcoder数据集中的Language列过滤Python语言的数据 # 存储在nowcoder_python变量中 nowcoder_python = Nowcoder[Nowcoder["Language"] == "Python"] # 提取nowcoder_python变量中的Achievement_value列 # 存储在achievement_value变量中 achievement_value = now...

import pandas as pd Nowcoder = pd.read_csv("Nowcoder.csv", sep=",", dtype=object) # 设置pandas输出的选项 # display.width:设置打印输出的宽度为300 # display.max_rows:将最大显示行数设置为无限 # display.max_columns:将最大显示列数设置为无限 pd.set_option("display.width", 300) pd.set_option("display.max_rows", None) pd.set_option("display.max_co...

import pandas as pd # 从当前目录读取Nowcoder.csv数据集 Nowcoder = pd.read_csv("Nowcoder.csv") # 使用isna()方法检测Nowcoder数据集中是否存在缺失值(NaN) # .any()方法判断Nowcoder中的每一列是否至少存在一个缺失值 nowcoder_na = Nowcoder.isna().any() # 打印nowcoder_na,显示每个列是否存在缺失值 print(nowcoder_na)