pandas 面试题挑战六
------------恢复内容开始------------
从Series的字符串中过滤出email地址
现有Series如下:
emails = pd.Series(['buying books at amazom.com', 'rameses@egypt.com', 'matt@t.co', 'narendra@modi.com'])
解决办法:
import re pattern ='[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,4}' mask = emails.map(lambda x: bool(re.match(pattern, x))) emails[mask]
结果如下:
1 rameses@egypt.com 2 matt@t.co 3 narendra@modi.com dtype: object
把一个Series按照另外一个Series的元素进行分组,并求均值。
现有两个Series如下:
fruit = pd.Series(np.random.choice(['apple', 'banana', 'carrot'], 10)) weights = pd.Series(np.linspace(1, 10, 10)) print(weights) print(fruit)
输出:
0 1.0 1 2.0 2 3.0 3 4.0 4 5.0 5 6.0 6 7.0 7 8.0 8 9.0 9 10.0 dtype: float64 0 banana 1 banana 2 carrot 3 apple 4 carrot 5 apple 6 banana 7 apple 8 apple 9 banana dtype: object
现在把weights中的元素按照fruit的元素为进行分组,并求平均值
解决办法:
weights.groupby(fruit).mean()
输出:
apple 6.75 banana 5.00 carrot 4.00 dtype: float64
求两个Series的模值差
现有两个Series如下:
p = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
q = pd.Series([10, 9, 8, 7, 6, 5, 4, 3, 2, 1])
其实就是把p,q看成是两个向量,然后可以方便的使用np.linalg.norm()来解决问题。
p = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) q = pd.Series([10, 9, 8, 7, 6, 5, 4, 3, 2, 1]) np.linalg.norm(p-q)
结果如下:
18.16590212458495
找到出现最少的字符,并使用它填充字符串的空白位置
现有Series如下:
my_str = 'dbc deb abed gade'
找到出现最少的字符,并使用它填充字符串的空白位置。
解决如下:
ser = pd.Series(list('dbc deb abed gade')) freq = ser.value_counts() least_freq = freq.dropna().index[-1] "".join(ser.replace(' ', least_freq))
结果如下:
'dbccdebcabedcgade'
创建Series,索引按照week 递进,值为随机数,范围1 - 10
产生类似的输出:
解决方式如下:
ser = pd.Series(np.random.randint(1,10,10),pd.date_range('2000-01-01', periods=10, freq='7D')) ser
重点解读:
pd.date_range('2000-01-01', periods=10, freq='7D') 代表从'2000-01-01'开始,periods=10意味一共产生10个数据,freq='7D'频率是7天,D代表天。
pd.date_range('2000-01-01', periods=10, freq='7D') 代表从'2000-01-01'开始,periods=10意味一共产生10个数据,freq='7D'频率是7天,D代表天。