互动剧本练习题-千锋教育

互动剧本练习题

发布时间:2022-06-07 10:34:00

发布人:wjy

　　1.解开数据分析的面纱

　　互动练习:第一个numpy数组

　　关键知识点：

　　np.array

　　练习介绍：

　　本节课中我们学习并了解了numpy中数组的创建以及切片的知识点，下面让我们进行一下练习，巩固一下知识点

　　题目说明

　　题目要求：

　　《多啦A梦》大雄班考试结果出来了，成绩存储于列表scores，现在要根据列表将其创建为数组，并检验最后结果是否是数组类型的

　　题目讲解：

　　1. 导入numpy包并将其重命名为np

　　2. 使用np.array将列表scores创建为数组，并赋值为score_arr

　　3. 使用type获取score_arr的类型，并呈现出来

　　步骤说明

　　解题思路：

　　1. 导入numpy包并将其重命名为np

　　2. 使用np.array将列表scores创建为数组，并赋值为score_arr

　　3. 使用type获取score_arr的类型，并呈现出来

　　代码实现：

# 声明一个列表存放大雄班级的学生成绩
scores = [77, 65, 83, 92, 57, 88]

# 导入numpy包并将其重命名为np
import numpy as np

# 使用np.array将列表scores创建为数组，并赋值为score_arr
score_arr = np.array(scores)

# 使用type获取score_arr的类型，并呈现出来
print(type(score_arr))

互动练习:numpy数组的索引与切片

　　关键知识点：

　　数组的索引和切片

　　练习介绍：

　　本节课中我们学习并了解了numpy中数组的创建以及切片的知识点，下面让我们进行一下练习，巩固一下知识点

　　题目说明

　　题目要求：

　　《多啦A梦》大雄学校把所有班级的成绩进行了整合与降序排序，依次是1到5班的成绩，校长现在想查看一下3班的成绩以及每个班级中的最高分和最低分

　　题目讲解：

　　1. 班级是1-5班，所以三班是二维中的第三行

　　2. 每个班级的成绩是降序排序完成的，最高的就是第一列，最低的就是最后一列

　　步骤说明

　　解题思路：

　　1. 班级是1-5班，所以三班是二维中的第三行

　　2. 每个班级的成绩是降序排序完成的，最高的就是第一列，最低的就是最后一列

　　代码实现：

# 声明一个列表存放学校所有班级的学生成绩
scores = [[92, 87, 83, 76, 66, 54],
         [99, 92, 88, 85, 73, 61],
         [94, 90, 83, 79, 76, 65],
         [88, 87, 85, 79, 76, 70],
         [90, 87, 80, 73, 69, 61]]

# 导入numpy包并将其重命名为np
import numpy as np

# 使用np.array将列表scores创建为数组，并赋值为score_arr
score_arr = np.array(scores)

# 班级是1-5班，所以三班是二维中的第三行,下标是从0开始的
print(score_arr[2])

# 每个班级的成绩是降序排序完成的，最高的就是第一列，最低的就是最后一列
print(score_arr[:,[0, -1]])

　　 2.运动健将的体育风采

　　互动练习:大雄班级成绩展示

　　关键知识点：

　　Series的创建

　　练习介绍：

　　本节课中我们学习并了解了Series的创建以及切片的知识点，下面让我们进行一下练习，巩固一下知识点

　　题目说明

　　题目要求：

　　《多啦A梦》大雄学校要把大雄班级中学生(大雄、胖虎、静香、小夫、英才)及其成绩(62、58、99、76、95)以Series的形式展示出来

　　题目讲解：

　　1. 导入pandas 重命名为pd

　　2. 在pandas中导入Series

　　3. 将姓名和成绩分别放在不同的列表中

　　4. 以姓名作为索引，以成绩作为值进行创建

　　步骤说明

　　解题思路：

　　1. 导入pandas 重命名为pd

　　2. 在pandas中导入Series

　　3. 将姓名和成绩分别放在不同的列表中

　　4. 以姓名作为索引，以成绩作为值进行创建

　　代码实现：

　　互动练习:变动的班级

　　关键知识点：

　　Series的属性与方法

　　练习介绍：

　　本节课中我们学习并了解了Series的创建以及切片、属性等的知识点，下面让我们进行一下练习，巩固一下知识点

　　题目说明

　　题目要求：

　　《多啦A梦》大雄学校要把大雄班级中学生(大雄、胖虎、静香、小夫、英才)及其成绩(62、58、99、76、95)以Series的形式展示出来，再完成下面的需求：

　　1. 静香因爸爸工作的原因转校了，因此需要把静香移除

　　2. 班里来了一个转校生明丽，考试成绩是100

　　3. 校长抽查成绩，想看胖虎和英才的成绩

　　题目讲解：

　　1. 导入pandas 重命名为pd

　　2. 在pandas中导入Series

　　3. 将姓名和成绩分别放在不同的列表中

　　4. 以姓名作为索引，以成绩作为值进行创建

　　5. 移除静香

　　6. 添加明丽

　　7. 通过索引查看胖虎和英才

　　步骤说明

　　解题思路：

　　1. 导入pandas 重命名为pd

　　2. 在pandas中导入Series

　　3. 将姓名和成绩分别放在不同的列表中

　　4. 以姓名作为索引，以成绩作为值进行创建

　　5. 移除静香

　　6. 添加明丽

　　7. 通过索引查看胖虎和英才

　　代码实现：

# 导入pandas 并重命名为pd
import pandas as pd

# 导入Series
from pandas import Series

# 准备数据资源
names = ['大雄', '胖虎', '静香', '小夫', '英才']
scores = [62, 58, 99, 76, 95]

# 创建Series
s = Series(index=names, data=scores)
print(s)

# 移除静香
s.drop(index='静香', inplace=True)
print(s)

# 添加明丽
s['明丽'] = 100
print(s)

# 通过索引查看胖虎和英才
print(s[['胖虎', '英才']])

　　3.詹姆斯-哈登的致胜宝典

　　互动练习:DataFrame的创建

　　关键知识点：

　　DataFrame的创建

　　练习介绍：

　　本节课中我们学习并了解了DataFrame的创建以及切片、属性等的知识点，下面让我们进行一下练习，巩固一下知识点

　　题目说明

　　题目要求：

　　《多啦A梦》大雄老师让大雄统计班级中的学生信息，并使用DataFrame展示出来，展示信息有姓名年龄性别

　　学生信息为

　　data = {

　　'姓名':[‘大雄’,'静香','胖虎','小夫', '英才'],

　　'年龄':[10, 9, 11, 10, 10],

　　'性别':['男', '女', '男', '男', '男']

　　}

　　题目讲解：

　　1. 导入pandas 重命名为pd

　　2. 在pandas中导入Series和DataFrame

　　3. 根据展示的数据，创建DataFrame

　　步骤说明

　　解题思路：

　　1. 导入pandas 重命名为pd

　　2. 在pandas中导入Series和DataFrame

　　3. 根据展示的数据，创建DataFrame

　　代码实现：

　　互动练习:DataFrame属性和方法

　　关键知识点：

　　DataFrame的属性和方法

　　练习介绍：

　　本节课中我们学习并了解了DataFrame的创建以及切片、属性等的知识点，下面让我们进行一下练习，巩固一下知识点

　　题目说明

　　题目要求：

　　《多啦A梦》大雄已经使用DataFrame展示了班级学生的信息，如下所示

　　姓名年龄性别

　　0 大雄 10 男

　　1 静香 9 女

　　2 胖虎 11 男

　　3 小夫 10 男

　　4 英才 10 男

　　下面根据要求完成对应的操作

　　1. 老师感觉这个行索引比较单调，想让大雄改成 001, 002, 003, 004, 005

　　2. 老师想看一下003和005学生的信息

　　3. 老师想看一下每个学生姓名及其性别

　　4. 老师想看一下003和005学生的性别

　　题目讲解：

　　在数据结构的基础上，使用rename修改行索引，然后使用.loc获取多行数据以及多列数据

　　步骤说明

　　解题思路：

　　1. 在数据的基础上使用rename修改行索引

　　2. 在数据的基础上使用.loc获取多行

　　3. 在数据的基础上使用df[[列,列1]]形式获取多列

　　4. 使用.loc获取多行的基础上获取列

　　代码实现：

# 导入pandas 并重命名为pd
import pandas as pd

# 导入Series
from pandas import Series, DataFrame

# 准备数据资源
data = {
'姓名':[‘大雄’,'静香','胖虎','小夫', '英才'],
'年龄':[10, 9, 11, 10, 10],
'性别':['男', '女', '男', '男', '男']
}

# 创建DataFrame
df = DataFrame(data=data)
print(df)

# 1.修改行索引
df.rename(index={0:'001', 1:'002', 2:'003', 3:'004', 4:'005'}, inplace=True)
print(df)

# 2. 获取多行数据
rows = df.loc[['003', '005']]
print(rows)

# 3.获取多列
columns = df[['姓名', '性别']]
print(columns)

# 4. 多行多列
data = df.loc[['003', '005'], '性别']
print(data)

　　4.抖音大V谁家最强

　　互动练习:DataFrame读取文件

　　关键知识点：

　　DataFrame读取文件

　　练习介绍：

　　本节课中我们学习并了解了DataFrame对文件的读写操作，下面我们使用练习来进行巩固吧

　　题目说明

　　题目要求：

　　已知当前目录下有Euro2012_stats.csv 欧洲杯信息文件，将其读取出来并把第一列当做行索引

　　题目讲解：

　　使用read_csv方法读取文件,并设置index_col

　　步骤说明

　　解题思路：

　　1. 导入pandas 重命名为pd

　　2. 在pandas中导入Series和DataFrame

　　3. 使用pd.read_csv读取文件

　　代码实现：

　　互动练习:DataFrame写入数据

　　关键知识点：

　　DataFrame项文件中写入数据

　　练习介绍：

　　本节课中我们学习并了解了DataFrame对文件的读写操作，下面我们使用练习来进行巩固吧

　　题目说明

　　题目要求：

　　读取Euro2012_stats.csv 欧洲杯信息文件,并把第一列当做行索引，将数据集中的列Yellow Cards和Red Cards这几列单独提取出来存储与一个新的team.csv文件中

　　题目讲解：

　　1. 读取数据

　　2. 提取Yellow Cards 和 Red Cards这两列赋值给新的变量team

　　3. team.to_csv存储与team.csv文件中

　　步骤说明

　　解题思路：

　　1. 读取数据

　　2. 提取Yellow Cards 和 Red Cards这两列赋值给新的变量team

　　3. team.to_csv存储与team.csv文件中

　　代码实现：

# 导入pandas 并重命名为pd
import pandas as pd

# 导入Series
from pandas import Series, DataFrame

# 使用pd.read_csv读取文件并把行索引设置为第一列的下标【以第一列为行索引】
df = pd.read_csv('Euro2012_stats.csv', index_col=0)
print(df)

# 提取Yellow Cards 和 Red Cards这两列赋值给新的变量team
team = df[['Yellow Cards', 'Red Cards']]
print(team)
# team.to_csv存储与team.csv文件中
team.to_csv('team.csv')

　　5.电影大屏幕的捞金霸主

　　互动练习:DataFrame空值与重复项处理

　　关键知识点：

　　DataFrame空值与重复项处理

　　练习介绍：

　　本节课中我们学习并了解了DataFrame空值与重复项处理，下面我们使用练习来进行巩固吧

　　题目说明

　　题目要求：

　　已有DataFrame中数据格式如下

　　姓名年龄性别成绩班级

　　1 王乐乐 17 男 77 1班

　　2 耿慧慧 16 女 85 1班

　　3 赵亮亮 18 男 91 1班

　　4 王乐乐1 16 NaN 87 1班

　　5 于聪聪 17 男 69 1班

　　6 王乐乐 17 男 77 1班

　　完成如下操作：

　　1. 对性别这一列对空值从上向下填充

　　2. 删除数据中的重复项

　　题目讲解：

　　1. 根据数据使用fillna对空值填充

　　2. 使用drop_duplicates对重复行处理

　　步骤说明

　　解题思路：

　　1. 根据数据使用fillna对空值填充

　　2. 使用drop_duplicates对重复行处理

　　代码实现：

# 导入pandas 并重命名为pd
import pandas as pd

# 导入Series
from pandas import Series, DataFrame

import numpy as np
# 准备数据
data = {
    '姓名': ['王乐乐', '耿慧慧', '赵亮亮', '王乐乐1', '于聪聪', '王乐乐'],
    '年龄': [17, 16, 18, 16, 17, 17],
    '性别': ['男', '女', '男', np.nan, '男', '男'],
    '成绩': [77, 85, 91, 87, 69, 77],
    '班级': ['1班', '1班', '1班', '1班', '1班', '1班']
}
df = DataFrame(data=data, index=range(1, 7))
print(df)

# 根据数据使用fillna对空值填充
df['性别'].fillna(method='ffill', inplace=True)
print(df)

# 使用drop_duplicates对重复行处理
df.drop_duplicates(inplace=True)
print(df)

　　6.药房与考试大融合

　　互动练习:DataFrame合并、筛选及排序

　　关键知识点：

　　DataFrame合并、筛选及排序

　　练习介绍：

　　本节课中我们学习并了解了DataFrame合并、筛选及排序，下面我们使用练习来进行巩固吧

　　题目说明

　　题目要求：

　　有state-abbrevs.csv、state-areas.csv、state-population.csv三个文件分别表示各州名及其对应的缩写、各州对应的面积、各州人数情况，已经三个文件中的数据读取并分别赋予给了abbrevs、areas、population三个变量，各个数据格式为：

　　abbrevs中的数据：

　　state abbreviation

　　0 Alabama AL

　　1 Alaska AK

　　2 Arizona AZ

　　...

　　areas中的数据:

　　state area (sq. mi)

　　0 Alabama 52423

　　1 Alaska 656425

　　2 Arizona 114006

　　...

　　population中的数据：

　　state/region ages year population

　　0 AL under18 2012 1117489.0

　　1 AL total 2012 4817528.0

　　2 AL under18 2010 1130966.0

　　3 AL total 2010 4785570.0

　　...

　　完成下列需求

　　1. 合并state-population和state-abbrevs两个DataFrame，分别依据state/region列和abbreviation 列来合并，为了保留所有数据，建议使用外合并将结果赋值给state_population

　　2. 在state_population去除abbreviation的那一列(axis=1)

　　3. 将state_population与areas进行合并保留所有数据并赋值给 state_areas_population

　　4. 筛选出2010年各州人口数据并赋值给state_population_2010

　　5. 对state_population_2010按照人口数population进行降序排序

　　题目讲解：

　　1. 使用merge合并两个数据

　　2. 使用drop删除指定列

　　3. 使用merge合并

　　4. 筛选year为2010并且ages为total的数据

　　5. 使用sort_values进行排序

　　步骤说明

　　解题思路：

　　1. 使用merge合并两个数据

　　2. 使用drop删除指定列

　　3. 使用merge合并

　　4. 筛选year为2010并且ages为total的数据

　　5. 使用sort_values进行排序

　　代码实现：

# 导入pandas 并重命名为pd
import pandas as pd

# 导入Series
from pandas import Series, DataFrame

import numpy as np
# 导入数据
abbrevs = pd.read_csv('state-abbrevs.csv')
print(abbrevs)

areas = pd.read_csv('state-areas.csv')
print(areas)

population = pd.read_csv('state-population.csv')
print(population)

# 合并数据
state_population = abbrevs.merge(population, how='outer', left_on='abbreviation', right_on='state/region')
print(state_population)

# 删除列
state_population.drop(columns=['abbreviation'], inplace=True)
print(state_population)
# 将面积合并进来
state_areas_population = state_population.merge(areas, how='outer')
print(state_areas_population)
# 筛选数据
state_population_2010 = state_areas_population[(state_areas_population.year==2010) & (state_areas_population.ages=='total')]
print(state_population_2010)
# 降序排序
state_population_2010.sort_values(by='population', ascending=False, inplace=True)
print(state_population_2010)

　　7.李佳琦也会赶来看热闹

　　互动练习:DataFrame分组与聚合函数

　　关键知识点：

　　DataFrame分组与聚合函数

　　练习介绍：

　　本节课中我们学习并了解了DataFrame分组与聚合函数，下面我们使用练习来进行巩固吧

　　题目说明

　　题目要求：

　　读取tips.csv中的数据

　　| total_bill | tip | sex | smoker | day | time | size

　　完成下面需求：

　　1. 根据smoker进行分组统计吸烟者与不吸烟者的数量

　　2. 根据time进行分组统计每个时间段的用餐人数

　　3. 根据day与time进行分组统计不同时间的消费金额总值与平均值

　　题目讲解：

　　1. 使用groupby根据smoker进行分组在获取每个分组下的个数

　　2. 使用groupby根据time进行分组求用餐人数size的和

　　3. 使用groupby根据day和time进行分组求消费金额total_bill的sum和与 mean平均值

　　步骤说明

　　解题思路：

　　1. 使用groupby根据smoker进行分组在获取每个分组下的个数

　　2. 使用groupby根据time进行分组求用餐人数size的和

　　3. 使用groupby根据day和time进行分组求消费金额total_bill的sum和与 mean平均值

　　代码实现：

# 导入pandas 并重命名为pd
import pandas as pd

# 导入Series
from pandas import Series, DataFrame

# 准备数据
tips = pd.read_csv('tips.csv')
print(tips)

# 使用groupby根据smoker进行分组在获取每个分组下的个数
smoker_size = tips.groupby(by='smoker').size()
print(smoker_size)

# 使用groupby根据time进行分组求用餐人数size的和
total_size = tips.groupby(by='time').agg({'size':'sum'})
print(total_size)

# 使用groupby根据day和time进行分组求消费金额total_bill的sum和与 mean平均值
total_bills = tips.groupby(by=['day', 'time']).agg({
'total_bill':['sum', 'mean']
})
print(total_bills)

　　8.层层脱下你的衣服

　　互动练习:DataFrame层次化索引

　　关键知识点：

　　DataFrame层次化索引

　　练习介绍：

　　本节课中我们学习并了解了DataFrame层次化索引，下面我们使用练习来进行巩固吧

　　题目说明

　　题目要求：

　　《多啦A梦》老师让大雄把班级中第一学期与第二学期的每个学生的Python、Java、C科目成绩整理出来，以下面结构显示：

　　第一学期第二学期

　　python java c python java c

　　tom 99 65 96 59 66 92

　　jack 91 42 65 53 40 44

　　lucy 99 90 76 70 38 96

　　完成以下要求：

　　1. 根据结构创建对应的DataFrame 【成绩随机产生】

　　2. 获取lucy第一学期各学科成绩

　　3. 查看tom每个学期的各科成绩

　　4. 对第二学期的C语言成绩进行降序排序

　　题目讲解：

　　1. 根据数据结构分析出有两层列索引与一个行索引，因此数据的话是3行6列

　　2. 使用np.random.randint随机生成3行6列的数据表示成绩，然后再设置行列索引

　　3. 要获取lucy第一学期的成绩的话可以使用.loc获取行与第一层的列

　　4. 要查看tom的成绩只需要使用.loc获取行即可

　　5. 先获取第二学期的C语言的成绩,再使用sort_values进行降序排序

　　步骤说明

　　解题思路：

　　1. 根据数据结构分析出有两层列索引与一个行索引，因此数据的话是3行6列

　　2. 使用np.random.randint随机生成3行6列的数据表示成绩，然后再设置行列索引

　　3. 要获取lucy第一学期的成绩的话可以使用.loc获取行与第一层的列

　　4. 要查看tom的成绩只需要使用.loc获取行即可

　　5. 先获取第二学期的C语言的成绩,再使用sort_values进行降序排序

　　代码实现：

# 导入pandas 并重命名为pd
import pandas as pd

# 导入Series
from pandas import Series, DataFrame

# 导入numpy
import numpy as np

# 分析数据结构
columns = [
['第一学期','第二学期'],
['python','java','c']
]
mcolumns = pd.MultiIndex.from_product(columns)
index = ['tom','jack','lucy']

# 生成数据
df = DataFrame(data=np.random.randint(30, 100, size=(3, 6)), index=index, columns=mcolumns)
print(df)

# 获取lucy的成绩
lucy = df.loc['lucy', '第一学期']
print(lucy)

# 获取tom的成绩
tom = df.loc['tom']
print(tom)

# 获取c语言的成绩进行降序排序
c = df[('第二学期', 'c')]
sort_c = c.sort_values(ascending=False)
print(sort_c)

　　互动练习:DataFrame的时间操作

　　关键知识点：

　　DataFrame的时间操作

　　练习介绍：

　　本节课中我们学习并了解了DataFrame的时间操作dt，下面我们使用练习来进行巩固吧

　　题目说明

　　题目要求：

　　有一用户行为分析文件userbehaviour.csv，数据结构如下：

　　uid gid tid behaviour tel datetime

　　1000169 1328010 959452 pv 1505117799 2017/9/11 16:16

　　112815 2489903 1487591 pv 1509965092 2017/11/6 18:44

　　108233 4336503 3531700 pv 1510320815 2017/11/10 21:33

　　uid表示用户id

　　gid表示商品id

　　tid表示商品类型id

　　behaviour表示用户行为 pv是浏览 fav是收藏 buy是购买 cart是加入购物车

　　tel是手机号

　　datetime表示用户行为对应的时间

　　读取文件完成如下操作

　　1. 获取21点用户量

　　2. 将小时单独提取出来作为一列添加在数据中列名为hour

　　3. 根据hour进行分组统计每个时间段的人数

　　题目讲解：

　　1. 根据dt.hour获取21点的用户量uid的count值

　　2. 以dt.hour获取用户的时间以列的形式添加在数据中

　　3. 使用groupby进行以hour进行分组统计每个分组下的数量

　　步骤说明

　　解题思路：

　　1. 根据dt.hour获取21点的用户量uid的count值

　　2. 以dt.hour获取用户的时间以列的形式添加在数据中

　　3. 使用groupby进行以hour进行分组统计每个分组下的数量

　　代码实现：

# 导入pandas 并重命名为pd
import pandas as pd

# 导入Series
from pandas import Series, DataFrame

# 导入numpy
import numpy as np

# 准备数据
df = pd.read_csv('userbehaviour.csv')
print(df)
import datetime
# 要将序列中的所有数据进行转化需要使用映射 map
df.datetime = df.datetime.map(lambda dt: datetime.datetime.strptime(dt,'%Y/%m/%d %H:%M'))

# 根据dt.hour获取21点的用户量uid的count值
count = df[df.datetime.dt.hour == 21].uid.count()
print(count)

# 以dt.hour获取用户的时间以列的形式添加在数据中
df['hour'] = df.datetime.dt.hour
print(df)

# 使用groupby进行以hour进行分组统计每个分组下的数量
size = df.groupby(by='hour').size()
print(size)

　　9.下一个梵高就是你

　　互动练习:Matplotlib图形化

　　关键知识点：

　　Matplotlib图形化

　　练习介绍：

　　本节课中我们学习并了解了Matplotlib图形化的常见图的绘制，下面我们使用练习来进行巩固吧

　　题目说明

　　题目要求：

　　读取penguins.csv 记载企鹅的数据，数据结构如下：

species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex
0 Adelie Torgersen      39.1          18.7           181.0      3750.0 MALE
1 Adelie Torgersen      39.5          17.4           186.0      3800.0 FEMALE
2 Adelie Torgersen      40.3          18.0           195.0      3250.0 FEMALE
3 Adelie Torgersen      NaN            NaN             NaN        NaN     NaN

　　完成如下操作

　　1.1 空值处理将空值进行向上填充

　　1.2 使用条形图绘制不同种类species的企鹅平均体重body_mass_g值

　　1.3 使用直方图展示不同中类的企鹅鳍长flipper_length_mm值的分布

　　1.4 绘制不同岛上展示企鹅数量的饼状图

　　题目讲解：

　　1. 使用fillna中method='ffill'填充空值

　　2. 使用plt.bar展示图形

　　3. 使用hist展示不同种类的企鹅鳍长的分布，查看根据鳍长是否能判断出是哪种企鹅

　　4. 使用pie展示不同种类的企鹅的数量

　　步骤说明

　　解题思路：

　　1. 使用fillna中method='ffill'填充空值

　　2. 使用plt.bar展示图形

　　3. 使用hist展示不同种类的企鹅鳍长的分布，查看根据鳍长是否能判断出是哪种企鹅

　　4. 使用pie展示不同种类的企鹅的数量

　　代码实现：

　　10.还在用美颜相机?你out了

　　互动练习:Seaborn绘制

　　关键知识点：

　　Seaborn绘制

　　练习介绍：

　　本节课中我们学习并了解了Seaborn绘制，下面我们使用练习来进行巩固吧

　　题目说明

　　题目要求：

　　读取penguins.csv 记载企鹅的数据，数据结构如下：

　　完成如下操作

　　1.1 空值处理将空值进行向上填充

　　1.2 使用条形图绘制不同种类species的企鹅平均体重body_mass_g值

　　1.3 使用直方图展示不同中类的企鹅鳍长flipper_length_mm值的分布

　　1.4 绘制不同岛上展示企鹅数量的饼状图

　　题目讲解：

　　1. 使用fillna中method='ffill'填充空值

　　2. 使用seaborn下的barplot展示图形

　　3. 使用seaborn的distplot绘制直方图展示不同种类的企鹅鳍长的分布，查看根据鳍长是否能判断出是哪种企鹅

　　4. 使用seaborn的lmplot绘制散点图查看一下喙长bill_length_mm 与喙宽bill_depth_mm的关系

　　步骤说明

　　解题思路：

　　1. 使用fillna中method='ffill'填充空值

　　2. 使用seaborn下的barplot展示图形

　　3. 使用seaborn的distplot绘制直方图展示不同种类的企鹅鳍长的分布，查看根据鳍长是否能判断出是哪种企鹅

　　4. 使用seaborn的lmplot绘制散点图查看一下喙长bill_length_mm 与喙宽bill_depth_mm的关系

　　代码实现：

# 导入pandas 并重命名为pd
import pandas as pd

# 导入Series
from pandas import Series, DataFrame

# 导入numpy
import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

penguins = pd.read_csv('penguins.csv')
print(penguins)

# 填充空值
penguins.fillna(method='ffill', inplace=True)
print(penguins)

# 不同种类species的企鹅平均体重body_mass_g值条形图
sns.barplot(x='species', y='body_mass_g', data=penguins, hue='species')

# 不同种类的企鹅的鳍长数据统计根据数据绘制直方图
sns.displot(data=penguins, x='flipper_length_mm', hue='species')

# 使用seaborn的lmplot绘制散点图查看一下喙长bill_length_mm 与喙宽bill_depth_mm的关系
sns.lmplot(x='bill_length_mm', y='bill_depth_mm', data=penguins, hue='species')