20200806作业

1、MySQL中字段类型char、varchar的区别

相同处：

    1、都是非 Unicode 的字符数据

    2、n 必须是一个介于 1 和 8000 之间的数值

不同处：

    char(n)：

        1）长度为 n 个字节的固定长度，当输入的长度小于n时，缺少的会自动由空格补齐且空格自动隐藏

        2）存储大小为 n 个字节

        3）存储效率比varchar高

    varchar(n)：

        1）长度为 n 个字节的可变长度，当输入的长度小于n时，长度会自动变更为n

        2）实际存储长度为n+1，1用来存储实际占用长度

        3）比char省存储空间

2、请建立一张表judge_varchar_char

表名为judge_varchar_char

分别字段为varchar_info varchar(5), char_info char(5)，int_info int(2)

其中要求 int_info 字段 增加 usigned zerofill 属性

create table judge_varchar_char(
varchar_info varchar(5),
char_info char(5),
int_info int(2) unsigned zerofill)

    usigned：将数字类型无符号化。INT的类型范围-2 147 483 648~2 147 483 647；INT UNSIGNED范围0~4 294 967 295

                    可能会导致运算后的负值无法显示，可用SET SQL_Mode='NO_UNSIGNED_SUBTRACTION'解决

    zerofill：如果宽度小于设定的值则自动填充0

3、请插入数据

问：在judge_varchar_char表中，插入('200000','300000',1)的数据，会出现什么情况，为什么

答：显示错误  -- Data too long for column 'varchar_info' at row 1

       预设varchar最大长度为5，实际输入长度超过5

4、请插入带空格数据

在judge_varchar_char表中，插入('ab ','ab ',2)的数据(注意ab后面有2个空格)，分别求该varchar_info、char_info的字符长度和字节长度。

-- 计算字符个数
SELECT LENGTH(varchar_info),LENGTH(char_info)
FROM judge_varchar_char

5、如何用题4的数据，证明char与varchar的区别？

当数据中出现空格时varchar会保留，而char会自动删去

6、创表时的int(5)，5代表什么？与varchar(5)的5有什么区别？

    varchar(5)：5代表数据宽度

    int(5)：5仅在与zerofill连用时生效

7、请一次语句中插入2条数据

('cd ','cd ',1)、('cd ','cd ',123456)

insert into judge_varchar_char
values('cd ','cd ',1),('cd ','cd ',123456)

8、这两个数据有什么不同，为什么？

varchar_info保留了cd后方的空格

pandas基础

1、请利用多种方式将截图内容转成DataFrame。

1）字典形式转化为dataframe

import pandas as pd
import numpy as np
d={
   'python':['Pandas','numpy','flask','django',np.nan,'ElasticSearch','Pandas','pymysql'],
   'score':[1.0,2.0,np.nan,4.0,5.0,6.0,7.0,10.0]
}
df=pd.DataFrame(d)

2）直接创建dataframe

import pandas as pd
import numpy as np
df1=pd.DataFrame([['Pandas',1.0],['numpy',2.0],['flask',np,nan],['django',4.0],[np.nan,5.0],['ElasticSearch',6.0],['Pandas',7.0],['pymysql',10.0]],columns=['python','score'])

NAN：空值应使用np.nan否则无法使用fillna

2、提取含有字符串“Pandas”的行

df[df['python']=='Pandas']

3、输出df的所有列名

df.columns

4、修改第二列列名为‘popularity’

df.rename(columns={'score':'popularity'},inplace=True)

5、统计python列中每种模块包出现的次数

df.python.value_counts()

6、将空值用上下值的平均值填充

df['popularity'] = df['popularity'].fillna(df['popularity'].interpolate())