{ "cells": [ { "cell_type": "code", "execution_count": 13, "id": "e49a4fbc-f85f-47c0-b3a0-4af25468faa3", "metadata": { "scrolled": true }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Основная таблица с бонусами:\n", " Имя Возраст Баллы Результат с бонусом Категория\n", "0 Анна 21 89 102.35 Младше\n", "1 Борис 22 76 87.40 Младше\n", "2 Виктор 23 95 109.25 Старше\n", "3 Галина 24 82 94.30 Старше\n", "4 Дмитрий 21 91 104.65 Младше\n", "\n", "Статистика по группам:\n", " Баллы Имя\n", " mean max min count\n", "Категория \n", "Младше 85.33 91 76 3\n", "Старше 88.50 95 82 2\n", "\n", "Отфильтрованные студенты:\n", " Имя Возраст Баллы Результат с бонусом Категория\n", "2 Виктор 23 95 109.25 Старше\n", "4 Дмитрий 21 91 104.65 Младше\n", "0 Анна 21 89 102.35 Младше\n", "3 Галина 24 82 94.30 Старше\n", "1 Борис 22 76 87.40 Младше\n" ] }, { "data": { "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", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
ИмяВозрастБаллыРезультат с бонусомКатегория
0Анна2189102.35Младше
1Борис227687.40Младше
2Виктор2395109.25Старше
3Галина248294.30Старше
4Дмитрий2191104.65Младше
\n", "
" ], "text/plain": [ " Имя Возраст Баллы Результат с бонусом Категория\n", "0 Анна 21 89 102.35 Младше\n", "1 Борис 22 76 87.40 Младше\n", "2 Виктор 23 95 109.25 Старше\n", "3 Галина 24 82 94.30 Старше\n", "4 Дмитрий 21 91 104.65 Младше" ] }, "execution_count": 13, "metadata": {}, "output_type": "execute_result" } ], "source": [ "import pandas as pd\n", "import numpy as np\n", "\n", "students_info = {\n", " \"Имя\": [\"Анна\", \"Борис\", \"Виктор\", \"Галина\", \"Дмитрий\"],\n", " \"Возраст\": [21, 22, 23, 24, 21],\n", " \"Баллы\": [89, 76, 95, 82, 91]\n", "}\n", "df = pd.DataFrame(students_info)\n", "\n", "df[\"Результат с бонусом\"] = df[\"Баллы\"].apply(lambda x: round(x * 1.15, 2))\n", "\n", "df[\"Категория\"] = df[\"Возраст\"].apply(lambda age: \"Младше\" if age < 23 else \"Старше\")\n", "\n", "grouped_stats = df.groupby(\"Категория\").agg({\n", " \"Баллы\": [\"mean\", \"max\", \"min\"],\n", " \"Имя\": \"count\"\n", "}).round(2)\n", "\n", "filtered_df = df[(df[\"Возраст\"] > 21) | (df[\"Баллы\"] > 80)]\n", "\n", "filtered_df = filtered_df.sort_values(\"Баллы\", ascending=False)\n", "\n", "print(\"Основная таблица с бонусами:\")\n", "print(df)\n", "\n", "print(\"\\nСтатистика по группам:\")\n", "print(grouped_stats)\n", "\n", "print(\"\\nОтфильтрованные студенты:\")\n", "print(filtered_df)\n", "\n", "df" ] }, { "cell_type": "code", "execution_count": null, "id": "3edb05fc-37ae-44df-b4a2-9abdc9c8f541", "metadata": {}, "outputs": [], "source": [] }, { "cell_type": "code", "execution_count": null, "id": "f808c922-f97c-4d19-aab9-5447d932cc71", "metadata": {}, "outputs": [], "source": [] } ], "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": "3.13.5" } }, "nbformat": 4, "nbformat_minor": 5 }