大香蕉18,成人无码www在线看免费,国产在线视频卡一卡二,欧美日韩视频伦理网页,国产嫩逼,亚洲AV无码成人精品区麻豆,免费三级黄色,日韩黄色视频大全

說在前面

Python語(yǔ)言之所以受到廣大用戶的歡迎，其豐富的生態(tài)環(huán)境是重要因素之一。高質(zhì)量的第三方庫(kù)數(shù)不勝數(shù)，利用這些第三方庫(kù)，我們可以輕松地實(shí)現(xiàn)各種復(fù)雜功能，解決實(shí)際問題。如何學(xué)習(xí)使用第三方庫(kù)？是熟讀文檔，待熟悉各種函數(shù)功能后再干活？還是從問題出發(fā)，根據(jù)實(shí)際需要去查詢文檔，模仿和借鑒示范案例代碼，遷移到自己的實(shí)際項(xiàng)目中？此二者見仁見智，沒有唯一的答案。

“數(shù)據(jù)處理與應(yīng)用”是高中信息技術(shù)浙教版必修一第四章的內(nèi)容，“利用pandas模塊處理數(shù)據(jù)”是重要知識(shí)點(diǎn)之一，其內(nèi)容多、難度大，課不好上，稍不注意就會(huì)落入列舉語(yǔ)法知識(shí)點(diǎn)的窠臼。在有限的課時(shí)條件下，不可能深入地研究相關(guān)模塊的全部知識(shí)點(diǎn)；選擇合適的案例，讓學(xué)生在解決實(shí)際問題的過程中體驗(yàn)編程方法，學(xué)會(huì)查閱幫助文檔，掌握利用pandas模塊處理數(shù)據(jù)的基本思路，是教學(xué)的重點(diǎn)。

為了提高課堂教學(xué)效率，確保能夠順利完成教材要求的“百家姓數(shù)據(jù)處理”項(xiàng)目，我事先為學(xué)生準(zhǔn)備了一份學(xué)案，先解決一個(gè)簡(jiǎn)單的“學(xué)生成績(jī)處理”項(xiàng)目，希望學(xué)生通過閱讀和運(yùn)行示例代碼，能夠理解各功能函數(shù)的作用，實(shí)現(xiàn)知識(shí)的遷移。

因?yàn)槭谡n的班級(jí)是學(xué)考班，對(duì)學(xué)生要求比較低，所以此案例功能較為簡(jiǎn)單。剛剛接觸新課程、新教材，適宜的教學(xué)案例非常匱乏，需要廣大教師的共同努力來充實(shí)案例題庫(kù)，希望我今天的分享能起到拋磚引玉的作用，歡迎大家批評(píng)指正，與我交流。

經(jīng)典案例

利用pandas模塊處理學(xué)生成績(jī)

已有素材：存儲(chǔ)了學(xué)生成績(jī)信息的csv文件“stu_info.csv”。

一、創(chuàng)建pandas DataFrame對(duì)象

創(chuàng)建pandas?DataFrame對(duì)象的方法很多，最簡(jiǎn)單的方法是直接使用read_csv()或read_excel()等函數(shù)從數(shù)據(jù)源讀取數(shù)據(jù)創(chuàng)建DataFrame對(duì)象，代碼如下：

df = pd.read_csv("stu_info.csv")

也可以先讀取文件數(shù)據(jù)，并存儲(chǔ)到各列表，再創(chuàng)建字典并構(gòu)造DataFrame對(duì)象。需要注意的是從文件中讀取的數(shù)據(jù)均為字符串類型，需要將各科成績(jī)轉(zhuǎn)換成數(shù)值類型。代碼如下：

class_name = [] #存儲(chǔ)班級(jí)名稱stu_name = []   #存儲(chǔ)學(xué)生姓名cn_score = []   #語(yǔ)文成績(jī)math_score = [] #數(shù)學(xué)成績(jī)en_score = []   #英語(yǔ)成績(jī)with open("stu_info.csv", "r", encoding='utf-8') as file:    num = 0                  for line in file:  #獲取每一行的數(shù)據(jù)        num += 1        if num == 1: #丟棄第一行標(biāo)題            continue        temp = line.strip().split(",")        class_name.append(temp[0])        stu_name.append(temp[1])        cn_score.append(float(temp[2]))        math_score.append(float(temp[3]))        en_score.append(float(temp[4]))#使用字典構(gòu)造包含了班級(jí)、姓名和各科成績(jī)列的DataFrame對(duì)象（不含標(biāo)題）data = {"班級(jí)":class_name, "姓名":stu_name, "語(yǔ)文":cn_score, "數(shù)學(xué)":math_score, "英語(yǔ)":en_score}df = pd.DataFrame(data) #構(gòu)造DataFrame對(duì)象print(df)

輸出結(jié)果如下：

二、為pandas DataFrame對(duì)象增加列

與為字典增加新的鍵值對(duì)類似，可以為pandas DataFrame對(duì)象增加新的列。代碼如下：

#逐行計(jì)算各學(xué)生總分，并增加“總分”列df["總分"] = 0.0 #試試將值改為0看看for r in df.index:    df.at[r,"總分"] = sum(df.loc[r,["語(yǔ)文", "數(shù)學(xué)", "英語(yǔ)"]])#rank()函數(shù)的應(yīng)用：根據(jù)總分排名，并增加“排名”列df['排名'] = df['總分'].rank(ascending=False)print(df)

輸出結(jié)果如下：

三、對(duì)pandas DataFrame對(duì)象排序

sort_values()函數(shù)的應(yīng)用：按照總分降序排列。代碼如下：

df.sort_values("總分", ascending=False, inplace=True) #根據(jù)人數(shù)降序排序print(df)

輸出結(jié)果如下：

四、輸出滿足條件的數(shù)據(jù)

可以通過設(shè)置篩選條件，輸出滿足條件的學(xué)生信息。代碼如下：

print(df[df["姓名"]=="周奕辰"]) print(df[(df["語(yǔ)文"]>105) | (df["數(shù)學(xué)"]>135)])print(df[(df["語(yǔ)文"]>100) & (df["英語(yǔ)"]>100)])print(df[(df["語(yǔ)文"]>100) & (df["英語(yǔ)"]>100)].count()) #輸出滿足條件的學(xué)生數(shù)量

輸出結(jié)果如下：

五、對(duì)pandas DataFrame對(duì)象做分組和聚合操作

groupby()函數(shù)的應(yīng)用：將數(shù)據(jù)按“班級(jí)”分組，計(jì)算每個(gè)班級(jí)各有多少人，或計(jì)算各班平均分。代碼如下：

class_df = df.groupby("班級(jí)").count() # 按關(guān)鍵詞分組計(jì)數(shù)class_df.sort_values('姓名', ascending=False, inplace=True) #根據(jù)人數(shù)降序排序print(class_df)print("#" * 50)#將數(shù)據(jù)按“班級(jí)”分組，計(jì)算各班平均分ave_df = df.groupby("班級(jí)").mean()print(ave_df)

輸出結(jié)果如下：

需要本文PPT、源代碼和課后練習(xí)答案的，可以加入“Python算法之旅”知識(shí)星球參與討論和下載文件，“Python算法之旅”知識(shí)星球匯集了數(shù)量眾多的同好，更多有趣的話題在這里討論，更多有用的資料在這里分享。

我們專注Python算法，感興趣就一起來！

相關(guān)優(yōu)秀文章：

課堂4：循環(huán)結(jié)構(gòu)經(jīng)典案例

課堂5：解析算法經(jīng)典案例

課堂6：枚舉算法經(jīng)典案例