Pandas基础

编写函数 solve()，使用 pd.Series() 创建一个包含数字 1, 2, 3, 4, 5 的 Series 并输出。 示例输出： 0 1 1...

编写函数 solve()，创建一个 Series，数据为 [100, 105, 110]，索引为 ['a', 'b', 'c']，并输出。

编写函数 solve()，从字典 {'平安银行': 12.5, '招商银行': 35.8, '兴业银行': 15.2} 创建 Series 并输出。

编写函数 solve()，创建 Series [10, 20, 30, 40]，使用 values 属性获取其值数组并输出。

编写函数 solve()，创建带索引的 Series，索引为 ['x', 'y', 'z']，使用 index 属性获取索引并输出。

编写函数 solve()，创建 Series {'a': 100, 'b': 200, 'c': 300}，访问索引 'b' 的值并输出。

编写函数 solve()，创建 Series [10, 20, 30, 40, 50]，访问第3个元素（位置索引2）并输出。

编写函数 solve()，创建 Series 索引为 'a' 到 'e'，值为 1 到 5，使用标签切片获取 'a' 到 'c' 的数据并输出。

编写函数 solve()，创建 Series [10, 20, 30, 40, 50]，使用位置切片获取前3个元素并输出。

编写函数 solve()，创建 Series [5, 15, 25, 35, 45]，筛选出大于20的元素并输出。

编写函数 solve()，从字典创建 DataFrame，包含 '姓名' 和 '年龄' 两列，数据为 ['张三', '李四'] 和 [25, 30]，并输出。

编写函数 solve()，创建一个 3行4列的 DataFrame，使用 shape 属性获取其形状并输出。

编写函数 solve()，创建 DataFrame 包含列 'A', 'B', 'C'，使用 columns 属性获取列名并输出。

编写函数 solve()，创建 DataFrame，使用 index 属性获取行索引并输出。

编写函数 solve()，创建 DataFrame 包含 'name' 和 'score' 列，选择 'score' 列并输出。

编写函数 solve()，创建 DataFrame 包含 'A', 'B', 'C', 'D' 四列，选择 'A' 和 'C' 列并输出。

编写函数 solve()，创建 DataFrame，使用 loc 选择第2行（索引为1）并输出。

编写函数 solve()，创建 DataFrame，使用 iloc 选择第1行（位置0）并输出。

编写函数 solve()，创建 DataFrame，使用 loc 选择前2行的 'B' 列并输出。

编写函数 solve()，创建 3x3 DataFrame，使用 iloc 选择前2行前2列并输出。

编写函数 solve()，创建 DataFrame 包含 'score' 列，筛选 score 大于80的行并输出。

编写函数 solve()，创建 DataFrame 包含 'age' 和 'score' 列，筛选 age 大于25且 score 大于80的行并输出。

编写函数 solve()，创建 DataFrame 包含 'city' 列，筛选 city 为 '北京' 或 '上海' 的行并输出。

编写函数 solve()，创建 DataFrame 包含 'price' 和 'quantity' 列，添加 'total' 列等于 price * quant...

编写函数 solve()，创建 DataFrame 包含 'A', 'B', 'C' 三列，删除 'B' 列并输出结果。

编写函数 solve()，创建 DataFrame 包含 'old_name' 列，将其重命名为 'new_name' 并输出。

编写函数 solve()，创建 DataFrame 包含 'score' 列，按 score 降序排序并输出。

编写函数 solve()，创建 DataFrame 索引为 [3, 1, 2]，按索引升序排序并输出。

编写函数 solve()，创建包含 NaN 的 DataFrame，使用 isna() 检测缺失值并输出。

编写函数 solve()，创建包含 NaN 的 DataFrame，统计每列缺失值数量并输出。

编写函数 solve()，创建包含 NaN 的 DataFrame，删除含有缺失值的行并输出。

编写函数 solve()，创建包含 NaN 的 DataFrame，用 0 填充缺失值并输出。

编写函数 solve()，创建 Series [1, 2, 3, 4, 5]，计算其总和并输出。

编写函数 solve()，创建 Series [10, 20, 30, 40, 50]，计算其均值并输出。

编写函数 solve()，创建 DataFrame，计算每列的和并输出。

编写函数 solve()，创建 DataFrame，使用 describe() 获取统计描述并输出。

编写函数 solve()，创建 Series [1, 2, 2, 3, 3, 3]，获取唯一值并输出。

编写函数 solve()，创建 Series ['a', 'b', 'a', 'c', 'a', 'b']，统计每个值的出现次数并输出。

编写函数 solve()，创建包含重复行的 DataFrame，使用 duplicated() 检测重复行并输出。

编写函数 solve()，创建包含重复行的 DataFrame，删除重复行并输出。

编写函数 solve()，创建两个 Series [1, 2, 3] 和 [4, 5, 6]，计算它们的和并输出。

编写函数 solve()，创建两个索引不同的 Series，进行加法运算并输出结果。

编写函数 solve()，创建两个索引不同的 Series，使用 add 方法的 fill_value 参数填充缺失值。

编写函数 solve()，创建两个 DataFrame，进行加法运算并输出。

编写函数 solve()，创建 DataFrame，将所有元素乘以2并输出。

编写函数 solve()，创建 DataFrame 和 Series，计算 DataFrame 每行减去 Series 的结果并输出。

编写函数 solve()，创建 DataFrame，使用 apply 对每列求和并输出。

编写函数 solve()，创建 DataFrame，使用 applymap 将每个元素转为字符串并添加前缀 'val_' 输出。

编写函数 solve()，创建 Series，使用 map 将值映射为新值并输出。

编写函数 solve()，创建 Series [1, 2, 3, 4, 5]，计算累计和并输出。

编写函数 solve()，创建 Series [3, 1, 4, 1, 5]，计算累计最大值并输出。

编写函数 solve()，创建 Series [1, 2, 3, 4, 5]，计算窗口大小为3的滚动均值并输出。

编写函数 solve()，创建包含字符串数字的 Series，将其转换为整数类型并输出。

编写函数 solve()，创建包含日期字符串的 Series，转换为 datetime 类型并输出。

编写函数 solve()，使用 pd.date_range 创建从 2024-01-01 开始的5个日期并输出。

编写函数 solve()，创建 DataFrame 并设置日期为索引，然后输出。

编写函数 solve()，创建包含 NaN 的 Series，使用前向填充并输出。

编写函数 solve()，创建包含 NaN 的 Series，使用后向填充并输出。

编写函数 solve()，创建包含 NaN 的 Series，使用线性插值填充并输出。

编写函数 solve()，创建一个多级索引的 Series 并输出。

编写函数 solve()，创建多级索引 Series，选择外层索引为 'A' 的数据并输出。

编写函数 solve()，创建多级索引 Series，使用 unstack 转换为 DataFrame 并输出。

编写函数 solve()，创建 DataFrame，使用 stack 转换为多级索引 Series 并输出。

编写函数 solve()，创建两个 DataFrame，使用 concat 纵向合并并输出。

编写函数 solve()，创建两个 DataFrame，使用 concat 横向合并并输出。

编写函数 solve()，创建两个 DataFrame，使用 concat 合并并忽略原索引，生成新索引。

编写函数 solve()，创建两个 DataFrame，使用 merge 进行内连接并输出。

编写函数 solve()，创建两个 DataFrame，使用 merge 进行左连接并输出。

编写函数 solve()，创建两个 DataFrame，使用 merge 进行外连接并输出。

编写函数 solve()，创建 DataFrame，按 'category' 列分组并计算均值并输出。

编写函数 solve()，创建 DataFrame，按 'category' 分组后计算 sum 和 mean 并输出。

编写函数 solve()，创建 DataFrame，按 'category' 分组并计算每组的数量并输出。

编写函数 solve()，创建 DataFrame，按 'category' 分组后使用自定义函数计算极差（最大值减最小值）并输出。

编写函数 solve()，创建包含字符串的 Series，将所有字符串转为小写并输出。

编写函数 solve()，创建包含字符串的 Series，将所有字符串转为大写并输出。

编写函数 solve()，创建包含字符串的 Series，计算每个字符串的长度并输出。

编写函数 solve()，创建包含字符串的 Series，检测是否包含子串 'a' 并输出。

编写函数 solve()，创建包含字符串的 Series，按空格分割并输出。

编写函数 solve()，创建包含字符串的 Series，将 'a' 替换为 'X' 并输出。

编写函数 solve()，创建包含字符串的 Series，获取每个字符串的前3个字符并输出。

编写函数 solve()，创建 DataFrame，使用 pivot_table 创建透视表并输出。

编写函数 solve()，创建 DataFrame，使用 crosstab 创建交叉表并输出。

编写函数 solve()，创建包含年龄数据的 Series，使用 cut 将其分为3个区间并输出。

编写函数 solve()，创建包含年龄数据的 Series，使用 cut 按自定义边界 [0, 18, 60, 100] 分箱并输出。

编写函数 solve()，创建包含数据的 Series，使用 qcut 按分位数分为4组并输出。

编写函数 solve()，创建 DataFrame，使用 transpose 或 T 进行转置并输出。

编写函数 solve()，创建 DataFrame，使用 melt 将宽格式转换为长格式并输出。

编写函数 solve()，创建 DataFrame，使用 pivot 将长格式转换为宽格式并输出。

编写函数 solve()，创建时间序列数据，使用 resample 按月重采样并计算均值并输出。

编写函数 solve()，创建时间序列数据，使用 shift 将数据向后移动1位并输出。

编写函数 solve()，创建时间序列数据，使用 diff 计算一阶差分并输出。

编写函数 solve()，创建时间序列数据，使用 pct_change 计算百分比变化并输出。

编写函数 solve()，创建 DataFrame 包含 'A' 和 'B' 列，先按 A 升序再按 B 降序排序并输出。

编写函数 solve()，创建 Series [3, 1, 4, 1, 5]，使用 rank 计算排名并输出。

编写函数 solve()，创建 Series，使用 rolling 窗口大小为2，应用自定义函数计算最大值减最小值并输出。

编写函数 solve()，创建 Series [1, 2, 3, 4, 5]，使用 expanding 计算扩展均值并输出。

编写函数 solve()，创建 Series，使用 ewm 计算指数加权移动平均并输出。

编写函数 solve()，创建 DataFrame，按 'group' 分组后计算每组的极差（最大值减最小值）并输出。

编写函数 solve()，创建一个具有多级行索引和列索引的 DataFrame 并输出。

编写函数 solve()，创建多级索引 DataFrame，选择外层索引为 'A' 的数据并输出。

编写函数 solve()，创建多级索引 DataFrame，使用 xs 选择内层索引为1的数据并输出。

编写函数 solve()，创建两个 DataFrame，使用多个键进行 merge 连接并输出。

编写函数 solve()，创建两个 DataFrame，使用 join 方法合并并输出。

编写函数 solve()，创建 DataFrame，按 'group' 分组后使用 transform 将每组的值减去组均值并输出。

编写函数 solve()，创建 DataFrame，按 'group' 分组后过滤出组大小大于2的组并输出。

编写函数 solve()，创建包含字符串的 Series，使用 str.extract 提取数字并输出。

编写函数 solve()，创建包含字符串的 Series，使用 str.findall 查找所有数字并输出。

编写函数 solve()，创建包含分类字符串的 Series，使用 get_dummies 进行独热编码并输出。

编写函数 solve()，创建包含字符串的 Series，将其转换为 category 类型并输出类型信息。

编写函数 solve()，创建 category 类型的 Series，重新设置类别顺序并输出。

编写函数 solve()，创建 DataFrame，使用 query 方法筛选数据并输出。

编写函数 solve()，创建 DataFrame，使用 eval 方法计算新列并输出。

编写函数 solve()，创建 Series，使用 where 将小于3的值替换为NaN并输出。

编写函数 solve()，创建 Series，使用 mask 将大于3的值替换为NaN并输出。

编写函数 solve()，创建 Series，使用 clip 将值限制在2到4之间并输出。

编写函数 solve()，创建包含负数的 Series，使用 abs 计算绝对值并输出。

编写函数 solve()，创建包含浮点数的 Series，使用 round 保留2位小数并输出。

编写函数 solve()，创建 Series，使用 nlargest 获取最大的3个值并输出。

编写函数 solve()，创建 Series，使用 nsmallest 获取最小的3个值并输出。

编写函数 solve()，创建包含缺失值和重复值的 DataFrame，进行数据清洗：删除重复行、填充缺失值为0，输出清洗后的结果。

编写函数 solve()，使用 pd.read_csv() 读取数据文件 'https://liangdaima.com/static/data/pandas_...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_stocks.csv'，将'股票代码'列设...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_stocks.csv'，只读取'股票名称'...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_stocks.csv'，跳过前2行数据，输...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_stocks.csv'，只读取前5行数据。

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_employees.csv'，查看数据基本...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_stocks.csv'，筛选出收盘价大于5...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_sales.csv'，按产品分组计算总销售...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_sales.csv'，创建数据透视表，行为...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_employees.csv' 和 'htt...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_sales.csv'，将'日期'列解析为d...

编写函数 solve()，创建一个包含3行数据的DataFrame（列名为'A'、'B'，数据自定），写入 'output.csv' 文件，然后读取并输出该文件...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_stocks.csv'，按涨跌幅降序排列，...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_students.csv'，计算各科成绩的...

编写函数 solve()，读取 'https://liangdaima.com/static/data/pandas_employees.csv'，按部门分组，...