1
# dataframe的创建方式
2
import pandas as pd
3
import numpy as np
4
# 通过series来创建
5
s1 = pd.Series([1,2,3,4,5])
6
s2 = pd.Series([6,7,8,9,10])
7
df = pd.DataFrame({"第1列":s1,"第2列":s2})
8
# 通过字典来创建
9
df = pd.DataFrame(
10
    {
11
        "name":["tom",'jack','alice','bob','allen'],
12
        "age":[15,17,20,26,30],
13
        "score":[60.5,80,30.6,70,83.5]
14
    },index=[1,2,3,4,5],columns=["name","score","age"]
15
)
16
df

1
'''
2
案例1：学生成绩分析
3
场景：某班级的学生成绩数据如下，请完成以下任务：
4
1. 计算每位学生的总分和平均分。
5
2. 找出数学成绩高于90分或英语成绩高于85分的学生。
6
3. 按总分从高到低排序，并输出前3名学生。
7
'''
8
import pandas as pd
9
data = {
10
    '姓名': ['张三', '李四', '王五', '赵六', '钱七'],
11
    '数学': [85, 92, 78, 88, 95],
12
    '英语': [90, 88, 85, 92, 80],
13
    '物理': [75, 80, 88, 85, 90]
14
}
15
scores = pd.DataFrame(data)
16

17
#1. 计算每位学生的总分和平均分。
18
scores['总分'] = scores[['数学','英语','物理']].sum(axis=1)
19
scores['平均分'] = scores['总分'] / 3
20
scores['平均分2'] = scores[['数学','英语','物理']].mean(axis=1)
21
#2. 找出数学成绩高于90分或英语成绩高于85分的学生。
22
scores[ (scores['数学']>90 ) | (scores['英语']>85 )  ]
23
#3. 按总分从高到低排序，并输出前3名学生。
24
r1 = scores.sort_values('总分',ascending=False).head(3)
25
r2 =scores.nlargest(3,columns=['总分'])
26
print(r1)
27
print(r2)

1
'''
2
案例2：销售数据分析
3
场景：某公司销售数据如下，请完成以下任务：
4
1. 计算每种产品的总销售额（销售额 = 单价 × 销量）。
5
2. 找出销售额最高的产品。
6
3. 按销售额从高到低排序，并输出所有产品信息。
7
'''
8
import pandas as pd
9

10
data = {
11
    '产品名称': ['A', 'B', 'C', 'D'],
12
    '单价': [100, 150, 200, 120],
13
    '销量': [50, 30, 20, 40]
14
}
15
df = pd.DataFrame(data)
16
df['总销售额'] = df['单价']*df['销量']
17
df.nlargest(1,columns=['总销售额'])
18
df.sort_values('总销售额',ascending=False)

1
'''
2
案例3：电商用户行为分析
3
场景：某电商平台的用户行为数据如下，请完成以下任务：
4
1. 计算每位用户的总消费金额（消费金额 = 商品单价 × 购买数量）
5
2. 找出消费金额最高的用户，并输出其所有信息
6
3. 计算所有用户的平均消费金额（保留2位小数）
7
4. 统计电子产品的总购买数量
8
'''
9
import pandas as pd
10

11
data = {
12
    '用户ID': [101, 102, 103, 104, 105],
13
    '用户名': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
14
    '商品类别': ['电子产品', '服饰', '电子产品', '家居', '服饰'],
15
    '商品单价': [1200, 300, 800, 150, 200],
16
    '购买数量': [1, 3, 2, 5, 4]
17
}
18
df = pd.DataFrame(data)
19
df['总消费金额'] = df['商品单价']*df['购买数量']
20
df.nlargest(1,columns=['总消费金额'])
21
df['总消费金额'].mean()
22
df[df['商品类别']=='电子产品']['购买数量'].sum()