Pandas 组队学习:综合练习

EX1.

1. 数据预处理：

   将df2的日期格式转换为年份表示：

   df2['日期'] = df2['日期'].apply(lambda x:x.split('/')[0])
   

   将df1的证券代码提取出：

   df1['证券代码'] = df1['证券代码'].apply(lambda x:int(x[1:-1]))
   

2. 计算：

   先分组，按年份计算每个公司的收入熵：

   res = df2.groupby(['证券代码', '日期'])['收入额'].apply(lambda x: -((x/x.sum()*np.log(x/x.sum()))).sum()).reset_index()
   

3. 合并：

   res的证券代码和日期格式与df1不一致，直接合并会报错，所以先将res的格式转换为整型：

   res['证券代码'] = res['证券代码'].apply(lambda x:int(x))
   res['日期'] = res['日期'].apply(lambda x:int(x))
   

   把结果合并到df1中：

   df1.merge(res, on=['证券代码','日期'], how='left')
   

EX2.

1. 生成新的列名，为wide_to_long做准备:

   import pandas as pd
   df = pd.read_excel('组队信息汇总表（Pandas）.xlsx')
   new_name = ['所在群','队伍名称']
   for i in range(11):
       new_name.append('编号_'+str(i))
       new_name.append('昵称_'+str(i))
   df.columns = new_name
   df.columns
   

2. 将宽表变为长表：

   res = pd.wide_to_long(df,
                    stubnames=['昵称', '编号'],
                     i = ['队伍名称', '所在群'],
                     j='是否队长',
                     sep='_',
                     suffix='.+').reset_index()
   

   	队伍名称	所在群	是否队长	昵称	编号
   0	你说的都对队	Pandas数据分析	0	山枫叶纷飞	5
   1	你说的都对队	Pandas数据分析	1	蔡	6
   2	你说的都对队	Pandas数据分析	2	安慕希	7
   3	你说的都对队	Pandas数据分析	3	信仰	8
   4	你说的都对队	Pandas数据分析	4	biubiu🙈🙈	20

3. 将缺失值和所在群这一列删除：

   res = res.drop(['所在群'],axis=1)
   res = res.dropna()
   

4. 是否是队长这一列中，’是‘为1，’不是‘为其他，所以根据这个规律用where函数替换：

   res['是否队长'] = res['是否队长'].where(res['是否队长']>0,-1)
   res['是否队长'] = res['是否队长'].where(res['是否队长']<0,0)
   res['是否队长'] = res['是否队长'].where(res['是否队长']==0,1)
   

   最终结果：

   	队伍名称	所在群	是否队长	昵称	编号
   0	你说的都对队	Pandas数据分析	1	山枫叶纷飞	5
   1	你说的都对队	Pandas数据分析	0	蔡	6
   2	你说的都对队	Pandas数据分析	0	安慕希	7
   3	你说的都对队	Pandas数据分析	0	信仰	8
   4	你说的都对队	Pandas数据分析	0	biubiu🙈🙈	20

   打印一下自己队伍的结果：

   res[res['队伍名称']=='joyful']
   

   	队伍名称	所在群	是否队长	昵称	编号
   165	joyful	Pandas数据分析	1	AI	9
   166	joyful	Pandas数据分析	0	moon	106
   167	joyful	Pandas数据分析	0	快乐的貔貅	87
   168	joyful	Pandas数据分析	0	双手	12
   169	joyful	Pandas数据分析	0	Aquatic	66
   170	joyful	Pandas数据分析	0	彭舒凡	99
   171	joyful	Pandas数据分析	0	天国之影	10
   172	joyful	Pandas数据分析	0	WinqiHe	170
   173	joyful	Pandas数据分析	0	王婷-TeneT	17