{ "cells": [ { "metadata": { "ExecuteTime": { "end_time": "2026-05-05T16:56:23.391024900Z", "start_time": "2026-05-05T16:56:23.052361300Z" } }, "cell_type": "code", "source": [ "import pandas as pd\n", "\n", "# Создадим DataFrame\n", "data = {\n", " \"Имя\": [\"Анна\", \"Борис\", \"Виктор\", \"Галина\", \"Саша\"],\n", " \"Возраст\": [21, 22, 23, 24, 22],\n", " \"Баллы\": [89, 76, 95, 82, 80]\n", "}\n", "df = pd.DataFrame(data)\n", "print(\"Первый взгляд на данные:\")\n", "print(df.head())\n", "print(df.info())\n", "print(df.describe())\n", "print(df.isnull().sum())\n", "df[\"Новый столбец\"] = df[\"Баллы\"] * 1.1\n", "\n", "groups = df.groupby(\"Возраст\")[\"Баллы\"].agg('mean')\n", "df_filter = df[df[\"Возраст\"] > 21]\n", "\n", "print(\"Студенты старше 21 года:\")\n", "display(df_filter)\n", "\n", "print(\"Средние баллы по возрастам:\")\n", "df\n", "groups" ], "id": "c6257ab155ac3a98", "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Первый взгляд на данные:\n", " Имя Возраст Баллы\n", "0 Анна 21 89\n", "1 Борис 22 76\n", "2 Виктор 23 95\n", "3 Галина 24 82\n", "4 Саша 22 80\n", "\n", "RangeIndex: 5 entries, 0 to 4\n", "Data columns (total 3 columns):\n", " # Column Non-Null Count Dtype\n", "--- ------ -------------- -----\n", " 0 Имя 5 non-null str \n", " 1 Возраст 5 non-null int64\n", " 2 Баллы 5 non-null int64\n", "dtypes: int64(2), str(1)\n", "memory usage: 252.0 bytes\n", "None\n", " Возраст Баллы\n", "count 5.000000 5.000000\n", "mean 22.400000 84.400000\n", "std 1.140175 7.569676\n", "min 21.000000 76.000000\n", "25% 22.000000 80.000000\n", "50% 22.000000 82.000000\n", "75% 23.000000 89.000000\n", "max 24.000000 95.000000\n", "Имя 0\n", "Возраст 0\n", "Баллы 0\n", "dtype: int64\n", "Студенты старше 21 года:\n" ] }, { "data": { "text/plain": [ " Имя Возраст Баллы Новый столбец\n", "1 Борис 22 76 83.6\n", "2 Виктор 23 95 104.5\n", "3 Галина 24 82 90.2\n", "4 Саша 22 80 88.0" ], "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
ИмяВозрастБаллыНовый столбец
1Борис227683.6
2Виктор2395104.5
3Галина248290.2
4Саша228088.0
\n", "
" ] }, "metadata": {}, "output_type": "display_data", "jetTransient": { "display_id": null } }, { "name": "stdout", "output_type": "stream", "text": [ "Средние баллы по возрастам:\n" ] }, { "data": { "text/plain": [ "Возраст\n", "21 89.0\n", "22 78.0\n", "23 95.0\n", "24 82.0\n", "Name: Баллы, dtype: float64" ] }, "execution_count": 22, "metadata": {}, "output_type": "execute_result" } ], "execution_count": 22 }, { "metadata": { "ExecuteTime": { "end_time": "2026-05-05T16:56:23.914438700Z", "start_time": "2026-05-05T16:56:23.527643100Z" } }, "cell_type": "code", "source": [ "import numpy as np\n", "\n", "arr = np.array([1, 2, 3, 4, 5])\n", "X = np.array([[1, 2], [3, 4]])\n", "\n", "\n", "#Создание ровных интервалов\n", "range = np.linspace(np.min(X), np.max(X), 5)\n", "print(\"\\nИнтервал от min(A) до max(A):\\n\", range)\n", "\n", "\n", "#Стандартное нормальное распределение\n", "norm_random_array = np.random.randn(*X.shape)\n", "print(\"\\nСлучайный массив того же размера, что и A:\\n\", norm_random_array)\n", "\n", "#Матричное умножение\n", "res_dot = np.dot(X, X)\n", "print(\"\\nРезультат умножения матриц:\\n\", res_dot)\n", "\n", "\n", "print(\"\\nСумма элементов массива:\", np.sum(arr))\n", "print(\"Среднее значение:\", np.mean(arr))\n", "print(\"Медиана:\", np.median(arr))\n", "print(\"Стандартное отклонение:\", np.std(arr))\n" ], "id": "159535e1a3ef473a", "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "\n", "Интервал от min(A) до max(A):\n", " [1. 1.75 2.5 3.25 4. ]\n", "\n", "Случайный массив того же размера, что и A:\n", " [[-0.03315556 -0.16675026]\n", " [-0.91077853 -0.68547878]]\n", "\n", "Результат умножения матриц:\n", " [[ 7 10]\n", " [15 22]]\n", "\n", "Сумма элементов массива: 15\n", "Среднее значение: 3.0\n", "Медиана: 3.0\n", "Стандартное отклонение: 1.4142135623730951\n" ] } ], "execution_count": 23 } ], "metadata": { "kernelspec": { "display_name": "Python 3 (ipykernel)", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.14.4" } }, "nbformat": 4, "nbformat_minor": 5 }