python数据处理和数据清洗

import pandas as pd
df = pd.read_csv("/Users/feifei/hotpot.csv")

# 计算性价比评分，通过赋值，将结果添加为df的"性价比评分"列
df["性价比评分"] = (df["口味评分"]/df["人均消费"])*40

# 计算氛围评分，通过赋值，将结果添加为df的"氛围评分"列
df["氛围评分"] = (df["服务评分"]+df["环境评分"])/2

# 使用print()输出df
print(df)

import pandas as pd
df = pd.read_csv("/Users/feifei/hotpot.csv")

# 计算性价比评分，通过赋值，将结果添加为df的"性价比评分"列
df["性价比评分"] = (df["口味评分"]/df["人均消费"])*40

# 计算氛围评分，通过赋值，将结果添加为df的"氛围评分"列
df["氛围评分"] = (df["服务评分"]+df["环境评分"])/2

# TODO 使用round()函数对2个新列保留2位小数
df[["性价比评分","氛围评分"]] = df[["性价比评分","氛围评分"]].round(2)

# 使用print()输出df
print(df)

# 使用sort_values()对df的"性价比评分"列进行降序排序，并赋值给df_1
df_1 = df.sort_values(by="性价比评分",ascending=False)

# 使用sort_values()对df的"氛围评分"列进行降序排序，并赋值给df_2 
df_2 = df.sort_values(by="氛围评分",ascending=False)

# 使用print()输出df_1
print(df_1)

# 使用print()输出df_2
print(df_2)

# TODO 使用sort_values()对df的列"氛围评分"进行降序排序，并赋值给df_2
df_2 = df.sort_values(by="氛围评分",ascending=False)

# TODO 使用多列索引的方式，访问df_2的"店铺名称"和"氛围评分"2列，并赋值给df_atmosphere
df_atmosphere = df_2[["店铺名称","氛围评分"]]

# TODO 使用print()输出df_atmosphere的前10行
print(df_atmosphere.head(10))

# 导入pandas模块，简称为pd
import pandas as pd

# 读取路径为"/Users/clean/视频会员订单数据源.csv"的文件，赋值给变量df
df = pd.read_csv("/Users/clean/视频会员订单数据源.csv")

# 商品价格price，单位分转化成元
df['price'] = df['price'] /100

# 使用to_datetime()函数，将订单创建时间create_time，转化成时间格式
df['create_time'] = pd.to_datetime(df['create_time'])

# TODO 使用to_datetime()函数，将订单支付时间pay_time，转化成时间格式
df['pay_time'] = pd.to_datetime(df['pay_time'])

# 输出此时的df
print(df)

# 使用布尔索引和isnull函数，将payment_provider这一列的缺失值筛选出，赋值给变量dfPayNull

# dfPayNull就是，包含所有payment_provider这一列缺失值的行
dfPayNull = df[df['payment_provider'].isnull()]

# TODO 使用drop函数，将dfPayNull，也就是包含所有payment_provider这一列缺失值的行删除
df.drop(index=dfPayNull.index,inplace=True)

# 使用df.info(),快速浏览数据集
df.info()

# TODO 使用fillna()函数，用"unknown"填充platform的缺失值
df['platform'].fillna("unknown",inplace=True)

# 输出df.info()
df.info()

# TODO 使用布尔索引，将支付时间pay_time小于创建时间create_time的异常值筛选出来，赋值给变量dfWrongTime

dfWrongTime = df[df['pay_time'] < df['create_time']]

# 使用print输出dfWrongTime

print(dfWrongTime)

# 使用布尔索引、duplicated函数，将order_id这一列的重复值筛选出来，赋值给变量dfOrderDu
dfOrderDu = df[df['order_id'].duplicated()]