import pandas as pd Tk = pd.read_csv('Tk.csv',sep=',') Shop = pd.read_csv('Shop.csv',sep=',') # 关联：类似于数据库表关联 Tk_Shop = Tk.merge(Shop,on='ID') # print(Tk_Shop) print(Tk_Shop.loc[(Tk_Shop['Fans']>10000),'shop_name'])

import pandas as pd df = pd.read_csv('Order.csv',sep=',') # 按照等级分组，再计算各组的平均购买力 price_avg = df.groupby('VIP_level').price.mean() print(price_avg) # 按照等级分组，再计算各组，不同店铺的数量； shop_num = df.groupby('VIP_level').shop_name.nunique() print(shop_num)

import pandas as pd df = pd.read_csv('Tk.csv',sep=',') # 分位数（中位数） print(df['Days'].median()) # 最大值 print(int(df['Fans'].max())) # 平均水平 # print(round(df.loc[df['Days']>0,'Cost'].mean(),2)) print(round(df['Cost'][df.Days>0].mean(),2))

import pandas as pd # Order ={ # 'order_num':['10001','10002','10003','10004','10005'], # 'price':[80,991,281,452,173], # 'Date':['2022/6/18','2022/6/19','2022/6/18','2022/6/17','2022/6/18'], # 'shop_name':['lamer','sk2','Nike','lancome','Nike'] # } # # df = pd.read_csv('Order.csv',sep=',',dtype=obj...

import pandas as pd df= pd.read_csv('Order.csv',sep=',',dtype=object) # result = df[['price','shop_name']][df.date=='2023/6/18'] result = df.loc[ df['date'] == '2022/6/18',["price","shop_name"] ] # df['date'] == '2022/6/18' 取哪些行 ； # ["price","shop_name"] 取哪些列；...

import pandas as pd # # 字典，数据分析 # Nowcoder = { # 'ID':[4701936033,7294120824,7204609405,2212484340,7992664026], # 'working_years':[10,2,1,0,3], # 'level':[15,4,4,2,3], # 'language':['C','C','C','Java','Python'], # 'salary':[80000,28000,24000,23000,23000] # } # df = pd.DataFrame(Nowcoder) # result= d...

import pandas as pd # Order = { # 'order_number':[640753,742938,247174,832039], # 'product_type':['phone','phone','pad','pad'], # 'price':[6999,5899,3499,4299], # 'time':['z 12:30:00','z 13:30:30',"z 17:30:30","z 14:20:00"] # } # df = pd.DataFrame(Order) # temp = (df['product_typ...

import pandas as pd # Nowcoder = { # 'Nowcoder_ID':[178372,989717,783650,723570,456568], # 'Level':[7,1,2,6,7], # 'Achievement_value':[8711,13,130,5666,11234], # } # 读取csv文件 Nowcoder = pd.read_csv('Nowcoder.csv',sep=',',dtype=object) df = pd.DataFrame(Nowcoder) print([column for column in df]) # pri...

class Nowcoder: # 初始化方法 def __init__(self,name,id,num) -> None: self.name=name self.id=id self.num=num # 打印信息 def printInformation(self): content = "%s's ID is %s, and his or her number of signing in is %s."%(self.name,self.id,self.num) print(content) # 创建IT部门类，继承Nowcoder class IT(Nowco...

class Nowcoder: def __init__(self,name,id,num) -> None: self.name=name self.id=id self.num=num def coder_info(self): print(self.name) print(self.id) print(self.num) NiuNiu = Nowcoder('NiuNiu',100001,678) NiuNiu.coder_info()

import math #计算原的面积 def circle_cal(r:float)->float: return round(math.pi*(r**2),3) # 引导用户输入 r=float(input()) s=circle_cal(r) print(s)

# 引导用户输入 num_ls = map(int,input().split()) per_ls = map(float,input().split()) buy_num_ls = map(int,input().split()) # 将两个列表合并成一个字典 dic_num_per=dict(zip(num_ls,per_ls)) # 累乘运算 sum=1 for item in buy_num_ls: sum*=dic_num_per[item] print(round(sum,3)) # round()四舍五入，取小数点后3位

words_dic={ 'word':2, 'while':15, 'for':20, 'if':26, 'else':14, 'print':9, } words = input().strip() if words in words_dic.keys(): words_dic[words]+=1 else: words_dic[words]=1 print(words_dic) # 优化：可增加判断，输入的是否全是字母，若存在非字母的字符，则提示用户

num_ls = input().split() for item in num_ls: if '8' in item: break elif '3' in item: continue else: print(item)