2020-07-29

python算法
1、求三位数组合
四个数字能组成多少个互不相同且无重复数字的三位数?

lst = [3,6,2,7]
a = []
for i in lst:
  for j in lst:
    for k in lst:
      if i != j and i != k and j != k:
        a.append('{first} {secend} {third}' . format(first = i ,secend = j,third = k))
print('共有{count}个符合条件的数字'.format(count(len(a))))

2.生成矩阵
已知两个矩阵
lst_1 = [1,2,3,4]
lst_2 = ['a' , 'b' , 'c' ,'d']

a = []
for i in lst_1:
    b = []
    for j in lst_2:
        value = str(i) + j
        b.append(value)
    a.append(b)

print(a)  

3、列表偏移
已知列表lst = [1,2,3,4,5]
要求列表向右偏移两位后变成 lst = [4,5,1,2,3]

lst = [1, 2, 3, 4, 5]

count = int(input('输入偏移位数:'))
count %= len(lst)
print(count)

for i in range(count):
    tmp = lst[-1]
    for j in range(len(lst) - 1, 0, -1):
        lst[j] = lst[j - 1]
    lst[0] = tmp
print(lst)

pandas 基础
1、请利用多种方式转化为DataFrame,

1.
data = {'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(data)
df

2.
python = pd.Series(['Pandas','numpy','flask','django',np.nan,'ElasticSearch','Pandas','pymysql'],name= 'python')
python = python.to_frame()
score = pd.Series([1,2,np.nan,4,5,6,7,10],name = 'score')
score = score.to_frame()
data = pd.merge( python ,score , left_index= True, right_index=True)
data

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)
df

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())
df
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,386评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,142评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,704评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,702评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,716评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,573评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,314评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,230评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,680评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,873评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,991评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,706评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,329评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,910评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,038评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,158评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,941评论 2 355