test1

编写一个函数用来生成一个DataFrame，该函数可接收两个参数指定生成的DataFrame的行数和列数，dataframe里面的值是随机值。

def get_dataframe(row, column):
    dic = {}
    for x in range(column):
        dic['列'+ str(x+1)] = [random.random() for _ in range(row)]
    return pd.DataFrame(dic)
get_dataframe(3,4)

简单计算器操作

def add(a, b):
    return a+b
def sub(a, b):
    return a-b
def mul(a, b):
    return a*b
def div(a,b):
    return a/b
def calc():
    expr = input('请输入要计算的值：')  # 14 + 12
    op1 = int(expr.split()[0])
    op2 = int(expr.split()[2])
    op = expr.split()[1]
    
    # 字典的本质：键->值  add, sub, mul, div （函数的引用）
    dic = {'+': add, '-': sub, '*': mul, '/': div}
    return dic[op](op1, op2)
    
print(calc())

利用faker库+字典数据结构，构造100条人物数据并生成一个dataframe,获取dataframe的index、columns和values,把列名都改为中文,统计df中的男女个数

# 利用faker库+字典数据结构，构造100条人物数据并生成一个dataframe

faker = Faker('zh_CN')
result = {}

for i in range(100):
    profile = faker.profile()
    for k, v in profile.items():
        if k not in result.keys():
            result[k] = []
        result[k].append(v)

df = pd.DataFrame(result)
df.shape

# 获取dataframe的index、columns和values
print(df.index)
print(df.columns)
print(df.values)

# 把列名都改为中文
df.columns = ['工作', '公司']

# 统计df中的男女个数
df['sex'].value_counts()