100个Pandas练习题：从入门到精通的实战指南

前言

Pandas作为Python数据分析的核心库，掌握其基本操作是每位数据分析师的必备技能。本文将基于经典的100个Pandas练习题项目，带领读者从基础到进阶系统性地学习Pandas的各种操作技巧。

环境准备

在开始练习前，我们需要确保正确导入Pandas并检查环境配置：

import pandas as pd
import numpy as np  # 后续练习会用到NumPy

# 检查Pandas版本
print(pd.__version__)

# 查看Pandas依赖库的版本信息
print(pd.show_versions())

基础DataFrame操作

创建DataFrame

首先我们创建一个包含动物信息的DataFrame：

data = {
    'animal': ['猫', '猫', '蛇', '狗', '狗', '猫', '蛇', '猫', '狗', '狗'],
    'age': [2.5, 3, 0.5, np.nan, 5, 2, 4.5, np.nan, 7, 3],
    'visits': [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
    'priority': ['是', '是', '否', '是', '否', '否', '否', '是', '否', '否']
}

labels = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']

df = pd.DataFrame(data, index=labels)

基础查询操作

1. 查看DataFrame基本信息：

df.info()  # 显示数据类型、非空值数量等
df.describe()  # 数值列的统计摘要

2. 数据选择：

# 选择前3行
df.head(3)

# 选择特定列
df[['animal', 'age']]

# 同时选择特定行和列
df.loc[['d', 'e', 'i'], ['animal', 'age']]

3. 条件筛选：

# 访问次数大于3的记录
df[df['visits'] > 3]

# 年龄为空的记录
df[df['age'].isna()]

# 复合条件查询(猫且年龄小于3岁)
df[(df['animal'] == '猫') & (df['age'] < 3)]

数据修改与计算

1. 修改数据：

# 修改特定值
df.loc['f', 'age'] = 1.5

# 替换列中的值
df['animal'] = df['animal'].replace('蛇', '蟒蛇')

# 转换列数据类型
df['priority'] = df['priority'].map({'是': True, '否': False})

2. 数据统计：

# 计算总访问次数
df['visits'].sum()

# 按动物类型计算平均年龄
df.groupby('animal')['age'].mean()

# 计算每种动物的数量
df['animal'].value_counts()

3. 排序操作：

# 多列排序
df.sort_values(by=['age', 'visits'], ascending=[False, True])

进阶DataFrame操作

数据透视与分组

1. 创建透视表：

# 计算每种动物在不同访问次数下的平均年龄
pd.pivot_table(df, values='age', index='animal', columns='visits', aggfunc='mean')

2. 复杂分组计算：

# 对每个组计算前三大的值的和
df.groupby('grps')['vals'].nlargest(3).sum(level=0)

特殊数据处理技巧

1. 过滤连续重复值：

df[df['A'].shift() != df['A']]

2. 行标准化：

df.sub(df.mean(axis=1), axis=0)

3. 处理缺失值：

# 找出每行第三个NaN所在的列
df.isna().cumsum(axis=1).eq(3).idxmax(axis=1)

高级应用场景

自定义计算

1. 计算与最近零值的距离：

# 创建一个新列Y，计算每个值与前面最近零值的距离
x = (df['X'] != 0).cumsum()
y = x != x.shift()
df['Y'] = y.groupby((y != y.shift()).cumsum()).cumsum()

2. 找出最大值位置：

# 找出DataFrame中最大的3个值的行列索引
df.unstack().sort_values(ascending=False).index[:3].tolist()

3. 区间分组统计：

# 按A列的区间分组计算B列的和
df.groupby(pd.cut(df['A'], np.arange(0, 101, 10))['B'].sum()

总结

通过这100个Pandas练习题，我们系统性地学习了：

1. DataFrame的创建和基本操作
2. 数据查询、筛选和排序技巧
3. 数据修改和计算方法
4. 分组聚合和透视表应用
5. 各种高级数据处理技巧

建议读者在实际操作中逐步完成这些练习，遇到问题时查阅Pandas官方文档，深入理解每个操作背后的原理。掌握这些技能后，你将能够高效地处理各种数据分析任务。