python小练习之航空公司数据练习题（二）

answer = tail_carrier[tail_carrier['tail_duplicated'] == True]answer.shape[0]

23

这里出现23个值，说明有的飞机不光属于一个公司，可能是几个公司所有的，所以题目的判断是错误的。

程序打包

import os
import pandas as pd
import numpy as np
class homework_2nd():
    def __init__(self):
        pass
    def load_data(self):
        """
        修改路径加载数据
        """
        os.chdir('C:UsersHsmDesktop数据fixtures')
        flights = pd.read_csv("flights.csv")
        return flights
    def check_data(self, flights):
        """
        产看数据规模、变量名、信息、缺失数据统计
        """
        print("1.查看数据规模")
        print(flights.shape)        #观察数据规模
        print("-"*40)
        print("n2.查看变量名")
        print(flights.columns)      #观察数据变量名
        print("-"*40)
        print("n3.查看数据基本信息")
        flights.info()              #观察变量数量与类型
        print("-"*40)
        flights.drop_duplicates()   #重复值处理
        print("n4.统计缺失值")      #缺失值统计查看
        nulls = np.sum(flights.isnull())
        nullcols = nulls.loc[(nulls != 0)]        print(nullcols)
        print("这里有",len(nullcols),"个变量存在缺失值")
    def question1_a(self, flights):
        """
        要求：到达延误2小时或更多的航班
        思路：寻找arr_delay大于120的航班,或者到达时间比预计达到时间多120分钟以上的航班（因为有航班延误数据缺失）
        """
        arr2 = flights[flights['arr_delay'] >= 120]                             #选择延误arr_delay指标大于2小时的
        arr2_na = flights[(flights['arr_delay'].isnull())]                      #指定arr_delay指标为空的数据，在其中进行寻找
        arr2_na = arr2_na[arr2_na['arr_time']-arr2_na['sched_arr_time'] >= 200] #通过到达时间减去预计到达时间来判断是否延误两小时以上
        #########################
        #注意：
        #考虑到如果存在00:05到达而预计23:30到达的航班，需要对时间进行咵天处理。反之也是如此
        #但是由于缺失arr_delay数据中不存在类似于上述的咵天处理情况，因此直接使用到达与预计到达时间差作为判断指标是可行的
        #########################
        answer = pd.concat((arr2, arr2_na), axis=0)            #将两段数据进行连接
        return answer
    def question1_b(self, flights):
        """
        要求：寻找到达威廉·佩特斯·霍比机场(HOU)和乔治·布什洲际机场(IAH)的航班
 6/9   首页 上一页 4 5 6 7 8 9 下一页 尾页