实例介绍
【实例简介】 大数据处理——pandas相关知识应用
包括python源代码和报告
在data/Exam目录下有数据文件bj_aq_17_18.csv数据,其中包含以下字:id,station_id,time,PM25_Concentration,PM10_Concentration,NO2_Concentration,CO_Concentration,O3_Concentration,SO2_Concentration,请按照要求完成以下数据处理工作:
1. 读取数据文件,删除id字段,将其它字段的名称转化为:stationId,utc_time,PM2.5,PM10,NO2,CO,O3,SO2 (10分)
2. 选择任意一个stationId,利用pandas-profiling查看数据报告,并对数据结果进行描述分析。(10分)
3. 将第1步处理后的数据转华为以时间为索引,stationId 原列名为列名的形式,比如:'gucheng_aq_PM2.5', 'gucheng_aq_PM10', 'gucheng_aq_NO2', 'gucheng_aq_CO', 'gucheng_aq_O3', 'gucheng_aq_SO2'等,共计210列。(20分)
4. 查看并输出最早日期和最晚日期,统计重复日期的行,并将重复日期的行删除,输出删除前和删除后的总记录数。(10分)
5. 对缺失值进行分析,包括以下内容:
a) 在给定的时间段内,分别统计应该有多少个小时节点?,实际有多少个时间节点?,缺失的时间节点有多少?(10分)
b) 查看哪些时间点上所有站点的所有特征都缺失了,要求输出缺失的时间点以及整小时缺失数量。(10分)
c) 判断缺失时间点是否在长度等于5小时范围内,并输出缺失时间点在长度等于5小时范围内的时间点和大于5小时范围外的时间点。例如:假设2022年10月20日10点是缺失的,如果7、8、9、11、12、13点都是缺失的,则该时间点为超过5个小时,如果7、8、9三个时间段是缺失的,则在5小时范围内。(10分)
d) 对于缺失时间点在5小时范围内的时间点,利用前后最近的未缺失时间点的数据平均值填充;对于缺失时间点大于5小时范围内的时间点,利用空值np.nan填充。(20分)
【实例截图】
【核心代码】
.
├── homework_1.docx
├── homework_2.py
├── 大数据处理Python——pandas相关知识应用_homework_1.zip
└── 第一次大作业.docx
0 directories, 4 files
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论