牛客网数据挖掘入门题目pandas总结（一）（1-8）

阿大的回答

已于 2023-05-05 09:24:50 修改

阅读量279

点赞数 1

文章标签：数据挖掘 python pandas

于 2023-03-31 10:38:18 首次发布

本文链接：https://blog.youkuaiyun.com/u013307768/article/details/129871709

版权

本文介绍了使用Python3的pandas库对Nowcoder.csv文件进行数据挖掘的基本操作，包括查看数据的前几行，获取行数和列数，选取特定行和列，检查空值以及按条件筛选数据。重点强调了动手实践的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本系列中教学数据挖掘，主要用Python3中pandas的包。

本文主要用于楼主自己总结复习，若是小白想学习，建议还是自己动手操作一下，只看答案代码只是“了解”，远不到“理解”、“运用”等层次，共勉！

本文先总结‘查看数据’、‘数据索引’两部分题目，即DA1-DA8.

牛客网在线编程_编程学习|练习题_数据结构|系统设计题库

题目：

现有一个Nowcoder.csv文件，它记录了牛客网的部分用户数据，包含如下字段（字段与字段之间以逗号间隔）：

Nowcoder_ID：用户ID

Level：等级

Achievement_value：成就值

Num_of_exercise：刷题量

Graduate_year：毕业年份

Language：常用语言

Continuous_check_in_days：最近连续签到天数

Number_of_submissions：提交题目数量

Last_submission_time：最后一次提交题目日期

通用导入库、读取文件操作：

Import pandas as pd
data=pd.read_csv('Nowcoder.csv',sep=',',dtype=object)
#pd.read是pandas库中读取csv文件的命令。
#参数 sep=',' 指定了文件中数据的分隔符为逗号；参数"dtype=object"表示读取的数据类型为Python对象类型。比如防止将年份识别成小数
#下题中有些命令不需要设置dtype格式，默认格式才能符合要求。

注意：Nowcoder.csv文件需要在运行路径中，由于楼主是在牛客网进行在线解题，即无需下载到本地，如有读者想在本地环境下复现则需要弄一个csv数据集文件在运行路径。（或去牛客网在线解题）

1.输出该数据集的前6行

print(data.head(6))
#.head()默认展示前5行，如像题目有指定前x行，则在括号中加入x数字即可

1.输出：

2.输出该数据集的行数与列数

print(data.shape)

2.输出：

3.输出该数据集第10行的全部信息，每列信息单独成行

data.iloc[10,:]
#data.loc[10,:]

#.iloc和.loc都是选取data数据中某行某列的操作
#loc函数：通过行索引 “Index” 或者"columns"中的具体值来取行、列数据。
#iloc函数：通过行号或者列号来取行、列数据（如取第二行的数据、取第0列的数据）。
#即iloc的输入量不能是“index”，比如此题中不能输入data.iloc(1,'Level')
#应该是data.loc(1,'Level')或data.iloc(1,1)

#具体用法可参考下面博客

用法参考：pandas中loc和iloc用法_Anneaisun1995的博客-优快云博客

3.输出：

4.输出该数据集第10行到第20行的常用语言，每行数据单独成行

print(data.loc[[10:20],'Language'])
#loc中行切片索引是左闭右闭，iloc中是左闭右开

4.输出：

5.输出该数据集每列信息是否有为空值

print(data.isna().any())
#可以是any(axis=0) axis=0表示在每个列上应用函数.不指定则默认，也是axis=0


#.isna判断是否为none，如果有空值，则返回true
#any () 函数用于判断给定的可迭代参数 iterable 是否都为 False。
#如果是，any ()操作后的结果返回 False。
#如果给定的可迭代参数 iterable其中有一个为 True，any ()操作后的结果则返回 True。

5.输出：

6.输出该数据集中语言为Python对应的所有列的信息，包括列号。

data1=data[data['Language']=='Python']
#'字符串'中大小写也要完全一致！不然查找不到
print(data1)

或者笔者一开始用笨方法：

d=[]
for i in range(data.shape[0]):
    if data.loc[i,'Language']=='Python':
        d.append(i)
    else:
        pass
print(data.loc[d,:])


#range（52）表示0到51所有数字。
#数据是第0行到第51行，shape是（52,8），所以不会漏最后一行的检查。

6.输出：

7.输出该数据集中语言为Python对应的成就值这一列的信息，包括列号。

print(data[data['Language']=='Python']['Achievement_value'])

#data['Language']=='Python'表示在data的language列中找到是Python哪些行
#data[data[...]]就表示那些行数据
#在后面加[‘Achievement...’]表示在那些行中表示出Achievement..这一列数据

或者分步写：

data1=data[data['Language']=='Python']
print(data1['Achievement_value'])

7.输出：

8.输出该文件最后5行用户的用户ID、等级、成就值、常用语言等数据，包括行号

print((data.tail(5)).iloc[:,[0,1,2,5]])
#print((data.tail(5)).loc[:,['用户ID','等级','成就值','常用语言'])
#上一行标签懒得打英文了。。

或者：

print(data.iloc[-5:][['Nowcoder_ID', 'Level', 'Achievement_value', 'Language']])

此处感觉有点不太理解iloc列的用法，不知道是不是该用loc，存疑。

输出：