我整理了數(shù)據(jù)分析師崗的Python筆試題，主要涉及到用Python完成數(shù)據(jù)處理和分析的內(nèi)容。自己做了一遍，供大家學(xué)習(xí)思考。

[[333643]]

一、數(shù)據(jù)處理題

1.將Excel工作簿 “Test.xlsx” 作為dataframe導(dǎo)入 Jupyter Notebook，并將dataframe命名為a. 導(dǎo)入后dataframe x應(yīng)為如下： 輸出結(jié)果 

import pandas as pd 
import numpy as np 
a = pd.read_excel('Test.xlsx')  

第1題

2.dataframe a 中, class1-class5 指總共5門課，每個(gè)學(xué)生選兩門，列出期中(midterm)、期末(final)成績(A/B/C)。請用Python語言處理表格，將class1-class5列去除，并增加 class 和 grade 兩列，使新dataframe的值與原dataframe對應(yīng)，并將新dataframe命名為b. 輸出結(jié)果應(yīng)為如下： 輸出結(jié)果 

#1.先設(shè)置索引列——復(fù)合索引，用列表 
#2.stack()旋轉(zhuǎn)列為行，默認(rèn)是旋轉(zhuǎn)最內(nèi)層，并且刪除空值 
#3.重置索引 
#4.更改列名 
b = a.set_index(["name","test"]).stack().reset_index()   
b.columns=['name','test','class','grade'] 
b 

用Python語言將dataframe b 的test列分成midterm和final兩列，這兩列的值是選的兩門課的成績。將新dataframe命名為c。輸出結(jié)果應(yīng)為如下： 輸出結(jié)果 

c = b.set_index(['name','class','test']).unstack()  

第2題

4.如下為dataframe d 和 dataframe e DataFrame d and e 

請用Python語言將dataframe d 和 dataframe e 匹配, 輸出結(jié)果應(yīng)為如下： 輸出結(jié)果 

#水果價(jià)格信息表 
d = pd.DataFrame({'水果':['apple','apple','banana','banana','orange','orange'], 
             '個(gè)頭':['high','low']*3, 
             '單價(jià)':[5,3,4,2,7,5]}) 
#水果訂單 
e = pd.DataFrame({'水果':['apple','banana','orange']*2, 
             '個(gè)頭':['high','low']*3, 
             '重量':np.random.randint(1,15,6)}) 
pd.merge(d,e,how='inner') 

如下是dataframe f DataFrame f 

請用python語言得出每節(jié)課(class)和每個(gè)年級 (grade) 下， 學(xué)生的數(shù)量和平均成績。輸出結(jié)果應(yīng)為如下： 輸出結(jié)果 

f = pd.DataFrame(['Sally','David',"Jon",'Jon'],columns=['name']) 
f['score']=[95,99,80,83] 
f['class']=['A','A','A','B'] 
f['grade']=['grade 1','grade 2','grade 1','grade 2'] 
f 
#方法一：使用groupby 
f.groupby(['class','grade']).agg({'name':'count','score':'mean'}) 
#方二：使用pivot_table 
f.pivot_table(index=['class','grade'],values=['name','score'],aggfunc={'name':'count','score':'mean'}) 

6.如下是dataframe h DataFrame h 

請用Python語言得出每行最小值除以每行最大值的商。輸出結(jié)果應(yīng)為如下： 輸出結(jié)果 

np.random.seed(10) 
h=pd.DataFrame(np.random.randint(1,100,80).reshape(8,-1)) 
min_by_max=h.min(axis=1)/h.max(axis=1) 
min_by_max 

7.如下是dataframe i DataFrame i 

請用Python語言將dataframe i 里Min. Price 列中的NaN值替換成Min. Price 列的平均值， 并將 Max.Price 列中的NaN值替換成Max.Price列的中位數(shù)。輸出結(jié)果應(yīng)為如下(未截全)： 輸出結(jié)果 

i=pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/Cars93_miss.csv') 
i.head() 
i['Min.Price'].fillna(i['Min.Price'].mean(),inplace=True) 
i['Max.Price'].fillna(i['Max.Price'].median(),inplace=True) 
i.isnull().sum()