目录

1.（1）读取以下4位同学的成绩并用一个数据框变量pd保存，其中成绩保存在一个TXT文件中，如图所示。

(2）对数据框变量pd进行切片操作，分别获得小红、张明、小江、小李的各科成绩，它们是4个数据框变量，分别记为pd1、pd2、pd3、pd4。

(3)利用数据框中自身的聚合计算方法，计算并获得每个同学各科成绩的平均分，记为M1、M2、M3、M4。

 2.(1)读取以下Excel表格的数据并用一个数据框变量df保存，数据内容如下所示。

（2）对df第3列、第4列进行切片，切片后得到一个新的数据框记为df1，并对df1利用自身的方法转换为Numpy数组Nt。

（3）基于df第2列，构造一个逻辑数组TF，即满足交易日期小于等于2017-01-16且大于等于2017-01-05为真，否则为假。

（4）以逻辑数组TF为索引，取数组Nt中的第2列交易量数据并求和，记为S。

---

1.（1）读取以下4位同学的成绩并用一个数据框变量pd保存，其中成绩保存在一个TXT文件中，如图所示。

文件下载链接https://pan.baidu.com/s/1kNJ6Vwo5kat52tO7ttDHmA?pwd=sh6r

In:import pandas as pd
   import numpy as np
   pd=pd.read_table('test1.txt',sep=',')
   pd
Out:    姓名	科目	成绩
   0	小红	语文	100
   1	小红	英语	90
   2	小红	数学	75
   3	张明	语文	80
   4	张明	英语	76
   5	张明	数学	88
   6	小江	语文	79
   7	小江	数学	120
   8	小江	英语	80
   9	小李	英语	87
   10	小李	语文	99
   11	小李	数学	76

(2）对数据框变量pd进行切片操作，分别获得小红、张明、小江、小李的各科成绩，它们是4个数据框变量，分别记为pd1、pd2、pd3、pd4。

In:pd1=pd.iloc[0:3]
   pd1
Out:    姓名	科目	成绩
   0	小红	语文	100
   1	小红	英语	90
   2	小红	数学	75
In:pd2=pd.iloc[3:6]
   pd2
Out:	姓名	科目	成绩
   3	张明	语文	80
   4	张明	英语	76
   5	张明	数学	88
In:pd3=pd.iloc[6:9]
   pd3
Out:	姓名	科目	成绩
   6	小江	语文	79
   7	小江	数学	120
   8	小江	英语	80
In:pd4=pd.iloc[9:12]
   pd4
Out:	姓名	科目	成绩
   9	小李	英语	87
   10	小李	语文	99
   11	小李	数学	76

(3)利用数据框中自身的聚合计算方法，计算并获得每个同学各科成绩的平均分，记为M1、M2、M3、M4。

In:M1=pd1.mean()
   M1
Out:成绩    88.333333
   dtype: float64
In:M2=pd2.mean()
   M3=pd3.mean()
   M4=pd4.mean()
In:M2
Out:成绩    81.333333
   dtype: float64
In:M3
Out:成绩    93.0
   dtype: float64
In:M4
Out:成绩    87.333333
   dtype: float64

 2.(1)读取以下Excel表格的数据并用一个数据框变量df保存，数据内容如下所示。

 

 文件下载链接https://pan.baidu.com/s/1F59EdzN3X9BQCN53N5R_xw?pwd=73rm

In:df=pd.read_excel('test2.xlsx')
   df
Out:
   股票代码	 交易日期	收盘价	交易量
0	600000	2017-01-03	16.30	16237125
1	600000	2017-01-04	16.33	29658734
2	600000	2017-01-05	16.30	26437646
3	600000	2017-01-06	16.18	17195598
4	600000	2017-01-09	16.20	14908745
5	600000	2017-01-10	16.19	7996756
6	600000	2017-01-11	16.16	9193332
7	600000	2017-01-12	16.12	8296150
8	600000	2017-01-13	16.27	19034143
9	600000	2017-01-16	16.56	53304724
10	600000	2017-01-17	16.40	12555292
11	600000	2017-01-18	16.48	11478663
12	600000	2017-01-19	16.54	12180687
13	600000	2017-01-20	16.60	14288268

（2）对df第3列、第4列进行切片，切片后得到一个新的数据框记为df1，并对df1利用自身的方法转换为Numpy数组Nt。

In:df1=df.iloc[[0,1,2,3,4,5,6,7,8,9,10,11,12,13],[2,3]]
   df1
Out:
    收盘价	 交易量
0	16.30	16237125
1	16.33	29658734
2	16.30	26437646
3	16.18	17195598
4	16.20	14908745
5	16.19	7996756
6	16.16	9193332
7	16.12	8296150
8	16.27	19034143
9	16.56	53304724
10	16.40	12555292
11	16.48	11478663
12	16.54	12180687
13	16.60	14288268
In:Nt=np.array(df1)
   Nt
Out:
array([[1.6300000e+01, 1.6237125e+07],
       [1.6330000e+01, 2.9658734e+07],
       [1.6300000e+01, 2.6437646e+07],
       [1.6180000e+01, 1.7195598e+07],
       [1.6200000e+01, 1.4908745e+07],
       [1.6190000e+01, 7.9967560e+06],
       [1.6160000e+01, 9.1933320e+06],
       [1.6120000e+01, 8.2961500e+06],
       [1.6270000e+01, 1.9034143e+07],
       [1.6560000e+01, 5.3304724e+07],
       [1.6400000e+01, 1.2555292e+07],
       [1.6480000e+01, 1.1478663e+07],
       [1.6540000e+01, 1.2180687e+07],
       [1.6600000e+01, 1.4288268e+07]])

（3）基于df第2列，构造一个逻辑数组TF，即满足交易日期小于等于2017-01-16且大于等于2017-01-05为真，否则为假。

In:df2=pd.read_excel('test2.xlsx',dtype=str)
   index1=df2['交易日期'].values>='2017-01-05'
   index2=df2['交易日期'].values<='2017-01-16'
   TF=index1&index2
   TF
Out:array([False, False,  True,  True,  True,  True,  True,  True,  True,
          False, False, False, False, False])

（4）以逻辑数组TF为索引，取数组Nt中的第2列交易量数据并求和，记为S。

In:S=sum(Nt[TF, 1])
   S
Out:103062370.0