pandas数据清洗初级实践 一实验目的1掌握Series和DataFrame的创建；2熟悉pandas数据清洗和数据分析的常用操作；3掌握使用matplotlib库画图的基本方法。二实验平台1操作系统：Windows系统；2Python版本：387三实验步骤1 基础练习1根据列表PythonCScalaJavaGOScalaSQLPHPPython创建一个变量名为language的Series；

1. 基础练习

（1）根据列表["Python","C","Scala","Java","GO","Scala","SQL","PHP","Python"]创建一个变量名为language的Series；

import pandas as pd

language = pd.Series(["Python","C","Scala","Java","GO","Scala","SQL","PHP","Python"])
print(language)

输出结果：

0    Python
1         C
2     Scala
3      Java
4        GO
5     Scala
6       SQL
7       PHP
8    Python
dtype: object

（2）创建一个由随机整型组成的Series，要求长度与language相同，变量名为score；

import random

score = pd.Series([random.randint(0,100) for i in range(len(language))])
print(score)

输出结果：

0    89
1    93
2    30
3    63
4    77
5    71
6    16
7     9
8    96
dtype: int64

（3）根据language和score创建一个DataFrame；

df = pd.DataFrame({"language":language, "score":score})
print(df)

输出结果：

  language  score
0   Python     89
1        C     93
2    Scala     30
3     Java     63
4       GO     77
5    Scala     71
6      SQL     16
7      PHP      9
8   Python     96

（4）输出该DataFrame的前4行数据；

print(df.head(4))

输出结果：

  language  score
0   Python     89
1        C     93
2    Scala     30
3     Java     63

（5）输出该DataFrame中language字段为Python的行；

print(df[df["language"]=="Python"])

输出结果：

  language  score
0   Python     89
8   Python     96

（6）将DataFrame按照score字段的值进行升序排序；

print(df.sort_values(by="score"))

输出结果：

  language  score
7      PHP      9
6      SQL     16
2    Scala     30
3     Java     63
5    Scala     71
4       GO     77
0   Python     89
1        C     93
8   Python     96

（7）统计language字段中每种编程语言出现的次数。

print(df["language"].value_counts())

输出结果：

Scala     2
Python    2
C         1
SQL       1
GO        1
PHP       1
Java      1
Name: language, dtype: int64
``