10.30Python随堂考试

1.（12分）使用Python的NumPy库，创建一个形状为(4,4)的二维数组，并且初始化所有元素为其行索引与列索引之和。

import numpy as np
arr = np.array([[i + j for j in range(4)] for i in range(4)])
print(arr)

2.（8分）使用Python的Pandas库，创建一个DataFrame对象，包含三列：‘Name’、‘Age’和’Gender’，数据分别为[‘Alice’, ‘Bob’, ‘Charlie’], [25, 30, 35]和[‘Female’, ‘Male’, ‘Male’]，并计算所有人的平均年龄。

import pandas as pddata1 = ['Alice', 'Bob', 'Charlie']
data2 = [25, 30, 35]
data3 = ['Female', 'Male', 'Male']df = pd.DataFrame({'Name': data1, 'Age': data2, 'Gender': data3})
print(df)age_mean = df['Age'].mean()
print(age_mean)

3.（5分）使用Python的Matplotlib库，绘制一个简单的散点图，数据点为[1, 2, 2, 3, 4]和[10, 20, 15, 30, 40]。

import matplotlib
from matplotlib import pyplot as plt
matplotlib.use('tkagg')x=[1, 2, 2, 3, 4]
y=[10, 20, 15, 30, 40]
plt.scatter(x,y)
plt.show()

4.（15分）假设你有一个包含员工信息的CSV文件employees.csv，其中包含以下列：EmployeeID（员工编号）、Name（姓名）、Department（部门）、Salary（薪资）。数据文件内容（employees.csv）： EmployeeID,Name,Department,Salary 1,John Doe,Finance,70000 2,Jane Smith,Marketing,65000 3,Bob Johnson,Finance,80000 4,Alice Brown,IT,75000 5,Mike Davis,Marketing,72000 要求： 1.使用Pandas读取employees.csv文件，并创建一个DataFrame。 2.计算每个部门的平均薪资，并按平均薪资从高到低排序。 3.找出薪资超过其所在部门平均薪资的员工，并创建一个新的DataFrame。 4.将结果保存到一个新的CSV文件above_average_salaries.csv中。

import pandas as pddata = {'EmployeeID': [1, 2, 3,4,5],'Name': ['John Doe','Jane Smith', 'Bob Johnson','Alice Brown','Mike Davis'],'Department': ['Finance', 'Marketing', 'Finance','IT','Marketing'],'Salary': [70000, 65000, 80000,75000,72000],
}
df = pd.DataFrame(data)df.to_csv('employees.csv', index=False)df1=pd.read_csv('employees.csv')
print(df1)salary_mean = df1.groupby(['Department'])['Salary'].mean().sort_values(ascending=False)
print(salary_mean)df_above_avg = df1[df1.apply(lambda x: x['Salary'] > salary_mean[x['Department']], axis=1)]
df_above_avg.to_csv('above_average_salaries.csv', index=False)

5.（10分）使用Python的Pandas库，对以下DataFrame进行排序，首先按照’Age’降序排序，如果’Age’相同，则按照’Name’升序排序。示例数据： data = { ‘Name’: [‘Alice’, ‘Bob’, ‘Charlie’, ‘David’], ‘Age’: [25, 30, 35, 30] }

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],'Age': [25, 30, 35, 30]
}
df = pd.DataFrame(data)df_sorted = df.sort_values(by=['Age', 'Name'], ascending=[False, True])
print(df_sorted)