习题1：
读入文件pmi_days.csv，完成以下操作：
1.统计质量等级对应的天数，例如：
优：5天
良：3天
中度污染：2天
2.找出PMI2.5的最大值和最小值，分别指出是哪一天。
1
import
pandas as pd
2
import
numpy as np
3
4
days_path = open(r
"
C:\Users\Shinelon\Desktop\pmi_days.csv
"
)
5
days_df =
pd.read_csv(days_path)
6
7
#
统计质量等级对应的天数
8
data = days_df.groupby(
'
质量等级
'
)
9
10
11
day_you = dict([x
for
x
in
data])[
'
优
'
]
12
day_liang = dict([x
for
x
in
data])[
'
良
'
]
13
day_qing = dict([x
for
x
in
data])[
'
轻度污染
'
]
14
day_zhong = dict([x
for
x
in
data])[
'
中度污染
'
]
15
print
(
"
优：%d天
"
% len(day_you.index),
"
\n良：%d天
"
%
len(day_liang.index),
16
"
\n轻度污染：%d天
"
% len(day_qing.index),
"
\n中度污染：%d天
"
%
len(day_zhong.index))
17
18
19
#
找出PM2.5的最大值和最小值，分别指出是哪一天
20
sort_pm25 = days_df.sort_values(by=
'
PM2.5
'
)
21
sort_pm25_2 = sort_pm25.reset_index(drop=
True)
22
print
(
"
PM2.5最大的一天是：%s。数值：%d
"
% (sort_pm25_2[
'
日期
'
][29], sort_pm25_2[
'
PM2.5
'
][29
]),
23
"
\nPM2.5最小的一天是：%s。数值：%d
"
% (sort_pm25_2[
'
日期
'
][0], sort_pm25_2[
'
PM2.5
'
][0]))
码云地址：https://gitee.com/BURY--18/Ch_18forever.git
习题2：
读入文件1980-2018GDP.csv，完成以下操作：
1.按行输出每年GDP数据，表头列名如文件第1行所示。
2.将各年GDP数据转换成字典格式，以年份为keys,其它值为values（数据类型为列表方式）,例如：
{
2017:[827121.7,6.8%,60989]
........
}
3.遍历字典数据，求出GDP的最小值与最大值，并输出数据与对应的年份。
1
import
pandas as pd
2
3
days_path = open(r
"
C:\Users\Shinelon\Desktop\1980-2018GDP.csv
"
)
4
days_list =
pd.read_csv(days_path)
5
6
#
1.按行输出每年GDP数据
7
print
(days_list,
"
\t\t\n
"
)
8
9
10
#
2.将各年GDP数据转换成字典格式，以年份为keys,其它值为values（数据类型为列表方式）
11
dict_GDP = days_list.set_index(
'
年份
'
).T.to_dict(
'
list
'
)
12
print
(
"
字典：
"
, dict_GDP,
"
\n
"
)
13
14
15
#
3.遍历字典数据，求出GDP的最小值与最大值，并输出数据与对应的年份。
16
data_max = max(dict_GDP, key=
dict_GDP.get)
17
data_min = min(dict_GDP, key=
dict_GDP.get)
18
print
(
"
GDP最大值：
"
, data_max, dict_GDP[data_max],
"
\n
"
)
19
print
(
"
GDP最小值：
"
, data_min, dict_GDP[data_min])
*由于字典太长，所以只截取了其中两个键值对。
码云地址：https://gitee.com/BURY--18/Ch_18forever.git
习题3：
扩展（选作，二选一）
1.绘制每年的GDP数据的直方图，横坐标为年份，纵坐标为GDP值。
2.绘制每年的GDP数据的折线图，横坐标为年份，纵坐标为GDP值。
1
import
pandas as pd
2
import
numpy as np
3
import
matplotlib.pyplot as plt
4
5
days_path = open(r
"
C:\Users\Shinelon\Desktop\1980-2018GDP.csv
"
)
6
days_list =
pd.read_csv(days_path)
7
8
#
print(days_list)
9
plt.rcParams[
'
font.sans-serif
'
] = [
'
SimHei
'
]
#
默认字体
10
plt.rcParams[
'
axes.unicode_minus
'
] = False
#
”-“负号为方块问题
11
12
plt.figure(figsize=(30, 8
))
13
plt.xlim(1978, 2019
)
14
plt.ylim(0, 1000000
)
15
x_num = np.arange(1978, 2019, 1
)
16
y_num = np.arange(0, 1000000, 50000
)
17
plt.xticks(x_num)
18
plt.yticks(y_num)
19
20
#
1.绘制每年的GDP数据的直方图
21
plt.bar(days_list[
'
年份
'
], days_list[
'
GDP(亿元)
'
], label=
"
GDP值
"
, color=
'
c
'
)
22
#
2.绘制每年的GDP数据的折线图
23
plt.plot(days_list[
'
年份
'
], days_list[
'
GDP(亿元)
'
], label=
"
GDP值
"
, color=
'
r
'
)
24
25
plt.title(
'
1980-2018年GDP数据统计图
'
)
26
plt.xlabel(
'
年份(年)
'
)
27
plt.ylabel(
'
GDP值(亿元)
'
)
28
plt.legend(loc=
'
upper right
'
)
29
#
plt.grid(True, alpha=0.5)
30
plt.show()
码云地址：https://gitee.com/BURY--18/Ch_18forever.git
