python数据集

Posted 2023-04-27

参考技术A python数据集

===

列表

创建列表

a = [23, 45, 1, -3434, 43624356, 234]

查询列表

切片

增加

修改

删除

循环

排序

===

元组

元组是由数个逗号分割的值组成

a = 'Fedora', 'catkin', 'Kubuntu', 'Pardus'

===字符串

字符串是一个有序的字符集合，用于存储和表示基本的文本信息，用单引号，或双引号，或三引号括起来

===字典

字典是一种key---value的数据类型，使用就像我们使用字典，通过拼音或笔画查找字的详细类容

字典是是无序的键值对（key:value）集合，同一个字典内的键必须是互不相同的。一对大括号 创建一个空字典。初始化字典时，在大括号内放置一组逗号分隔的键：值对，这也是字典输出的方式。我们使用键来检索存储在字典中的数据。

data = 'kushal':'Fedora', 'kart_':'Debian', 'Jace':'Mac'

===集合

集合是一个无序的，不重复的数据组合，

集合是一个无序不重复元素的集。基本功能包括关系测试和消除重复元素。集合对象还支持 union（联合），intersection（交），difference（差）和 symmetric difference（对称差集）等数学运算。

作用：

去重，把一个列表当成集合，就自动去重了

关系测试，测试两组数据之间的交集，差集，并集等关系

Python订单数据集天气

我有一个城市温度/天气的数据集历史记录，如下所示：

{"city": "Barcelona", "date": "2016-10-16", "temperature": "13", "weather": "cloudy"}
{"city": "Berlin", "date": "2016-10-16", "temperature": "-1", "weather": "sunny"}
{"city": "Pekin", "date": "2016-10-16", "temperature": "19", "weather": "cloudy"}
{"city": "Paris", "date": "2016-10-16", "temperature": "-8", "weather": "sunny"}

并且我想创建一个前5名，按最佳平均温度排序。在这个结果我想知道天气类型的天数（晴天阴天多雨）

例：

Rank - City -      Average Temperature - Cloudy days - Sunny days - Rainy Days
1 -    Barcelona -           20 -           93 -        298 -       29 

如何在Python中执行此操作？

谢谢

马特

答案

我相信你需要pandas：

• 来自read_json的DataFrame的第一个json
• 通过groupby获得前5个城市，总计mean和nlargest
• 过滤器由boolean indexing
• 由counts汇总，由unstack重塑
• reindex由index的s正确排序
• insert用map添加新列
• 最后用range添加排名

---

import pandas as pd

import pandas as pd

df = pd.read_json('a.json', lines=True)
print (df)
        city       date  temperature weather
0  Barcelona 2016-10-16           13  cloudy
1     Berlin 2016-10-16           -1   sunny
2      Pekin 2016-10-16           19  cloudy
3      Paris 2016-10-16           -8   sunny

s = df.groupby(['city'])['temperature'].mean().nlargest(5)
print (s)
city
Pekin        19
Barcelona    13
Berlin       -1
Paris        -8
Name: temperature, dtype: int64

---

df2 = (df[df['city'].isin(s.index)]
               .groupby(['city', 'weather'])['temperature']
               .size()
               .unstack(fill_value=0)
               .add_suffix(' days')
               .reindex(s.index)
               .reset_index()
               .rename_axis(None, axis=1))

df2.insert(1, 'temp avg', df2['city'].map(s))
df2.insert(0, 'rank', range(1, len(df2) + 1))
print (df2)
   rank       city  temp avg  cloudy days  sunny days
0     1      Pekin        19            1           0
1     2  Barcelona        13            1           0
2     3     Berlin        -1            0           1
3     4      Paris        -8            0           1