Фрейм данных, подмножество имени пользователя и выведите максимальное и выведите максимальное значение каждого столбца в подмножестве

#python #pandas #dataframe

#питон #панды #фрейм данных

Вопрос:

Я пытаюсь решить эту проблему с кодированием панд, но не знаю, как это сделать. приведенный ниже код-это то, что я мог бы сделать, но он показывает ошибку. кто-нибудь может мне помочь и объяснить, как это сделать? Спасибо.

Cars Набор данных состоит из трех столбцов, в которых указаны качество, угол обработки и скорость обработки 18 автомобилей.

Напишите программу, которая выполняет следующие задачи:

  1. Загрузите данные Cars.csv в вызываемый фрейм данных cars_df .
  2. Поместите первые userNum строки фрейма данных в новый фрейм данных.
  3. Найдите и выведите максимальные значения каждого столбца в подмножестве.
 Ex: If the input is: 5 the output is:  Quality 5 Speed 4 Angle 3 dtype: int64  

мой код:

 import pandas as pd   cars_df = pd.DataFrame("Cars.csv")# Import the CSV file Cars.csv  userNum = int(input())  # Subset the first userNum rows of the data frame userNum = pd.iloc[:0,:] userNum.max() print(userNum)  
 Traceback (most recent call last):  File "main.py", line 4, in lt;modulegt;  cars_df = pd.DataFrame("Cars.csv")# Import the CSV file Cars.csv  File "/usr/local/lib/python3.8/dist-packages/pandas/core/frame.py", line 730, in __init__  raise ValueError("DataFrame constructor not properly called!") ValueError: DataFrame constructor not properly called!  

Я новичок в python и большую часть времени совершенно не разбираюсь в кодировании. Я не знаю, как сделать этот код. ваша помощь и объяснение этого кода будут оценены по достоинству.

Комментарии:

1. Обязательно укажите в вопросе (и тегах), что это вопрос о пандах, а не только (базовый) Питон.

2. Попробуйте изменить userNum = pd.iloc[:0,:] на cars_df.iloc[:userNum]

Ответ №1:

Я думаю, что это то, что вам нужно

 cars_df = pd.DataFrame("Cars.csv") # Import the CSV file Cars.csv  user_num = int(input())  subset = cars_df.head(user_num)  print(subset.max())  

Вместо последней строки вы могли бы позвонить

 print(subset.describe())  

Что дало бы вам гораздо больше статистики, чем просто .max()