4.3.4 DataFrame统计计算排序课件-2025-2026学年浙教版高中信息技术必修一

该高中信息技术课件聚焦pandas数据结构与操作，涵盖DataFrame、Series的创建及增删改查、分组统计、排序等核心技能。通过代码示例与问题列表导入，从基础操作到复杂分析逐步递进，搭建学习支架帮助学生梳理知识脉络。 其亮点在于案例驱动与实践操作融合，以水果数据、成绩统计等实例培养计算思维，分层练习促进数字化学习与创新，强调规范操作渗透信息社会责任。学生能提升数据处理能力，教师可高效开展教学。

s1=pd.Series([166,178,180]) print(s1) 运行结果： 左列：index 0166 178 1 右列：values 2 180 dtype:int64 Series 属性： 访问某个属性： 访问谋个值： import pandas as pd dat={"姓名"：["王静怡"，"张佳妮"，"李臣武"门，"性别"["女"，"女"，"男"门，"借阅次数"：28,56,37]} df1=pd.DataFrame(data,columnsa=["姓名"，"性别"，"借阅次数") print(df1) 设定df1中数据列的顺序 运行结果： 姓名 性别 借阅次数 0 王静怡 女 28 1 张佳妮 女 56 2 李臣武 男 37 DataFrame: 属性： 访问某列： 属性： 字典： 访问某行： 切片法： 访问某个值： at[]方法： 总结： ①添加行数据： df1=df.append(数据，ignore_index=True) 不改变 原数据 ②删除行数据： df1=df.drop(行索引) 删除列数据： df1=df.drop(“列标”，axis=1) axis=0删除行，axis=1删除列，默认axis=0 ③删除命令 del df[列标] 改变原 数据 ④插入列数据： df.insert(i,j,k ⑤修改index和columns 6.合并DataFrame对象： df1=df.rename(index={},columns={}) df1 pd.concat([df2,df3,df4]) inplace=True 会改变原数据 有oython程序如下： 水果 数量 单价品质 import pandas as pd 0 30 7.6优 fruits-={“水果”：[苹果”，“香蕉”，“西瓜]， 1 120 2.5 “数量”：[30,120,12] 2 西瓜 12 8.8 是 “单价”：[7.6,2.5,8.8] “品质：[“优”，“良”，“好]} f=pd.DataFrame(fruits,columns=[“水果，“数量，“单价，”品质]) pandas模块包括两种数据结构，分别是一维（)属性是 ()和二维（)属性是 ② 写出对象f的结果 ③ 若需要将西瓜的数量修改为55，： 实现的代码是 ④ 输出品质为“优”的数据行 f.at[2,”数量]=55 ⑤ 若需要将“数量这一列删除，f[f.品质=”优"】1， 实现代码为 ⑥ 若需要在“单价列后插入一列为“nice”,值为2,4,6，实现 f1=f.drop(数量'，axis=1) ⑦ 现需要在对象f的结尾处增加橘子的信息，数量为33，，·f.insert(3,“nice”,[2,4,6]) 里df2=f.appendi(“水果”：“橘子”，“数量”：33，“单价：4.9，“品质”：“优"”， ignore_index=True) 有oython程序如下： import pandas as pd ok={“a:[1,2,3],“b”:[4,5,6],“c”:[7,8,9]} jk=pd.DataFrame(ok,columns=[“a,“b”,“c"]) 写出对像k的结果 ② 若需要将6改为66，实现的代码是 若需要将“b”这一列删除，并得到一个新对像jk1,实现代码为 若需要在“a”列后插入一列为“×”，值为11,22,33，实现代码为 现需要在对像jk的结尾处新增加一行数据，数据为33,44,55，并得到一个新的对象jk2, 实现代码为 class name math chinese english 浙一 甄漂亮 128 98 112 浙一 撒微笑 119 110 111 浙二 何美男 112 115 109 实一 鬼少女 116 112 105 浙二 梅毛冰 120 108 103 浙二 魏什么 121 109 106 实二 潘刮痧 115 113 113 浙二 撒煎饼 116 112 104 问题1：如何求各班型的人数，以及各班型的英语平均成绩。 见 统计、计算 回 1.分组 使用groupby)函数，可以对DataFrame对象各列域各行中 的数据进行分组，然后对其中每一组数据进行不同的操作。 格试 对象名.groupby(“列标as index=:False 实 class name math chinese english 统计、计算 3 实实， 鬼少女 116 112 105 潘刮痧 115 113 113) 浙 class name math chinese english 0 浙 甄漂亮 28 98 112 撒微笑 119 110 111) import par cla name ma十h chinese enolish df=pd.reac0 实 class english 2 1 math 2 #将df按班2 class chinese english 0 115.50 112.5 109.0 1 df1=df.groupby('1 123.50 104.0 111.5 浙二 117.25 111.0 105.5 print( df1.count() )#统计班型的人数( 计数函数) print( df1.english.mean()#平均值函数（英语平均值） 例2：将d对像中的数据按“地区”分组，并计算分组后各组数据的平均值。 g= df.groupby(“地区'，as_index:=False) #按“地区”分组 print(g.mean() #求每组数据的平均值 分组、求平均值，也可以写成： g=df.groupby(“地区'”，as_index-=False).mean() 练习： 某DataFrame对象score包含”准考证号”学校名称”姓名”总分”排名' 等数据列，下列语句中，可以以学校为单位，输出各校学生总分平均值的是() A A.printe(score.groupby('学校名称'，as_index=False).mean(0) B.print(score.groupby('总分'，as_index=False).mean0) C.printe(score.groupby('学校名称'，as_index-=False)排名.mean0) D.printe(score.groupby('姓名'，as_index:=False).mean(O) import pandas as pd 可 df=pd.read excel("grade.xlsx") df1=df.groupby('class',as_index=False) print(df1.mean()) class math chinese english 0 1 115.50 112.5 109.0 123.50 104.0 111.5 2 浙二 117.25 111.0 105.5 import pandas as pd df=pd.read excel("grade.xlsx") df1=df.groupby('class',as index=True) print(df1.mean()) math chinese english class 115.50 112.5 109.0 123.50 104.0 111.5 浙二 117.25 111.0 105.5