print(len(input().split())) # print(len(list(input().split())))

import pandas as pd import numpy as np data=pd.read_csv('sales.csv') # 貌似我的做法是很笨拙的。。仅供参考 data['R_Quartile']=np.where(data['recency']<=data['recency'].quantile(0.25),4, np.where(data['recency']<=data['recency'].quantile(0.5),3, np.where(data['recency']<=data['recency'].quantile(0.75),2,1))) ...

import pandas as pd items = pd.read_csv("items.csv") signup = pd.read_csv("signup.csv") data = pd.merge(items, signup, how="left", on="item_id") # result=pd.crosstab([data['sex'],data['department']],data['item_name']) # result=data.groupby(['sex','department','item_name'])['employee_id'].count().un...

import pandas as pd items = pd.read_csv("items.csv") signup = pd.read_csv("signup.csv") data = pd.merge(signup, items, how="left", on="item_id") result = data[(data["department"] == "functional") & (data["item_name"] == "javelin")][ ["employee_id", "name", "sex"] ] # 题目错了，javelin多了一个n，导致一开始复制出错...

import pandas as pd signup1=pd.read_csv('signup1.csv') signup0=pd.read_csv('signup.csv') item=pd.read_csv('items.csv') signup=pd.concat([signup0,signup1],axis=0) data=pd.merge(item,signup,how='left',on='item_id') result=data.groupby('item_name')['employee_id'].agg('count') print(result[result>0]...

import pandas as pd df=pd.read_csv('nowcoder.csv') result=df.groupby('result')['result'].count() print(result)