用 pandas_exercises 把 pandas 练到能上手干活-平芜编程栈

用 pandas_exercises 把 pandas 练到能上手干活

【免费下载链接】pandas_exercisesPractice your pandas skills!项目地址: https://gitcode.com/gh_mirrors/pa/pandas_exercises

教程看完，一碰几万行的 CSV 就卡壳：列名怎么改、缺失值藏在哪、分组统计怎么落，脑子里没底。pandas_exercises 就是用来补这个洞的——它只给题目、不给现成代码，把取数、筛选、分组、合并、时间序列和绘图拆成一格一格的小题，逼你一行行敲出来。

先拉仓库到本地，依赖一次性装齐就能开跑：

git clone https://gitcode.com/gh_mirrors/pa/pandas_exercises

项目的requirements.txt只锁了四个版本：numpy==1.13.1、matplotlib==2.0.2、seaborn==0.8.1、pandas==0.23.4。注意这几位是 2018 年前后的老版本，拿新环境跑老 notebook 偶尔会撞 API 变更。装依赖：

pip install -r requirements.txt

每个主题都是三件套：Exercises.ipynb（题目）、Solutions.ipynb（答案不带代码）和一份带代码注释的 Solutions。卡住时先翻不带代码的那份，能自己推出来再去看实现，比直接抄快得多。

先把六个能力维度和对应练习集摆在一起看，心里有张地图：

能力维度	对应练习集
取数·建表·筛选排序	01 Chipotle / 08 Pokemon / 02 Fictional_Army / 11 Indexing
分组聚合·函数·合并	03 Regiment / 06 US_Baby_Names / 04 / 05 Auto_MPG
时间序列·缺失值·统计	09 Apple_Stock / 10 Iris / 06 Wind_Stats
数据可视化	07 Tips / 07 Titanic_Disaster

用 pandas 快速摸清原始数据结构（取数与类型转换）

拿到 CSV 第一件事不是分析，而是搞清楚它长什么样：形状、列名、索引、每列类型。Chipotle 让你从网上拉一份外卖订单，一路数到"最常被点的菜、总收入、客单价"；Occupation 和 World_Food_Facts 换数据集重复同样动作，Pokemon 则反过来从字典手搓一个 DataFrame、调列顺序、补新列。典型场景：读完文件先head、shape、dtypes，再把带$和千分位逗号的价格列转成 float。这一关最磨的是类型判断——不先replace掉符号直接转类型会报错，价格列其实是字符串。

用布尔索引筛行并排好序（pandas 筛选与排序）

过滤和排序是日常清洗里出现频率最高的两个动作。Fictional_Army 一套题覆盖loc/iloc、按值筛选、按名字取行取列，Euro12 让你给球队按红黄牌排序、筛进球多的队，Chipotle 与 Indexing 再补索引的边角。典型场景：一个表达式筛出"红牌>5 或黄牌>3"的行，再按黄牌降序排。适合刚学完布尔索引、想练手感的人。易错点：多条件要用&、|且每个条件加括号，写成and/or会抛 truth value 错误。

📊 用 groupby 回答分组统计（pandas 分组聚合与透视）

业务问题九成是"按 X 分一下，看每组的均值、总和、个数"。Regiment 练到按 regiment、company 两级分组求均值、遍历 group；Alcohol_Consumption 和 Occupation 换真实数据做同样的活，US_Baby_Names 再让你按名字 groupby 数出现次数、求中位数和标准差。典型场景：把学生表按 regiment、company 分组求 preTestScore 均值，再展开成普通列。新手常在这里卡住多级 index——它想当普通列用，就得reset_index()，否则列被收进索引里。

⚙️ 用 apply 做转换并拼成宽表（pandas 函数应用与多表合并）

有些转换没有现成函数，得自己写逻辑再广播到每行；还有些任务本来就是两张表拼一起。Students_Alcohol_Consumption 用 lambda 把姓名列首字母大写、再按十年分组；US_Crime_Rates 把 Year 转 datetime 后按十年 sum。合并这边 Auto_MPG 把 cars1、cars2 拼成一张表并补 owners 列，Housing_Market 演示 concat 和 reindex。典型场景：两个 cars 表 merge 成宽表，再随机补一列。易错有两处：merge 后重名列会带_x/_y后缀，apply 返回的是新对象、不会改原表。

📅 把数据摆上时间轴并清干净（pandas 时间序列与缺失值）

带日期的数据要能重采样、取月末、算间隔；脏数据则要先填或删。Apple_Stock 把股价转 DatetimeIndex、取每月最后一个交易日、画 13.5×9 的图；Iris 和 Wine 专门练drop、dropna、按值填充 1.0/100；Wind_Stats 在满是 NaN 的风速数据上做 min/max/mean/std。典型场景：股票数据转 DatetimeIndex、重采样到月末、去掉空行。易错点：年份被读成 2061 要先修数据再设索引，重采样会补出无数据的月、得再 drop 掉。

📈 用图把分析结论讲清楚（pandas 数据可视化）

算出来的数不画出来，别人看不出结论。Tips 基于 seaborn 练直方图、散点、箱线图，还要求把 Dinner/Lunch 并排放两张；Titanic_Disaster 做男女比例饼图、按性别上色的散点和票价直方图；Online_Retail 与 Scores 再补大表和分数的表达。典型场景：把账单金额与 tip 画散点，再按 day 分箱线。这一关最考"把结论选对图"，seaborn 版本偏老，画图 API 跟新文档对不上时照 notebook 走即可。

💡 几个省时间的做法与容易踩的坑

价格、年份列先replace掉$、,再astype(float)——to_numeric一碰符号就抛错，别等报错再补。
布尔组合写&、|并给每个条件加括号，而不是and、or——后者对 Series 报 truth value 错误。
apply的结果要df['col'] = ...赋值回去，它返回新对象、原表不动，这是最容易以为"已经改了"的坑。
多级 groupby 想当普通列用就reset_index()；老版本锁了 pandas 0.23，read_csv、to_datetime的行为跟新版略有出入，照 notebook 来别凭记忆。