Знакомство с библиотекой Pandas: создание объектов Series и DataFrame, работа с табличными данными, чтение и запись CSV-файлов, базовые операции с DataFrame

Задание № 2. Введение в библиотеку Pandas. Задачи
Задача 1.1. Объект Series с индексами по умолчанию
• Установите и импортируйте библиотеку Pandas.
• Создайте объект Series, содержащий названия трёх любых видов цифрового контента (например, книга, фильм, игра и т.д.).
• Индексы должны быть по умолчанию (0, 1, 2).
Задача 1.2. Объект Series с собственными индексами
• Создайте объект Series, содержащий три оценки пользователей (целые числа).
• Присвойте индексам названия контента: «book», «movie», «game» и т.д.
Задача 2. Создание DataFrame из словаря
• Создайте словарь с информацией о цифровом контенте. Он может включать:
 название
 тип (фильм, книга, игра и т.д.)
 год выпуска
 рейтинг пользователей
 длительность / количество страниц / объём (в минутах или страницах)
 возрастной рейтинг
• Минимум 5 ключей (будущие столбцы), минимум 10 элементов (строк).
• Используя созданный словарь, создайте DataFrame с индексами 0-9.
• Создайте еще один DataFrame, но индексы должны быть строковыми, например, item_1, item_2, … item_10.

Задача 3. Создание DataFrame из словаря
• Создайте DataFrame из словаря, содержащего не менее 7 столбцов и 10 строк, где имеются и строки, и числа.
• к DataFrame
Типы контента:
o ресторан
o кафе
o кофейня
o бар
o пиццерия
o фастфуд
o кулинарная лавка
• Столбцы (примерный состав): column description name название заведения type тип заведения (ресторан, кафе, бар…) year_opened год открытия rating рейтинг посетителей (число) average_check средний чек в рублях seats количество посадочных мест city город, где находится заведение
• На основе словаря создайте DataFrame с индексами по умолчанию.
• Создайте второй DataFrame с пользовательскими индексами.
Задание № 5. Основные операции с DataFrame. Задачи
Задача 1. Для DataFrame (задание 2, задача 2):
- Выведите основную информацию по датафрейму.
- Добавьте вычисляемый столбец.
- Выполните сортировку по произвольному столбцу.
- Выполните группировку и агрегацию с подсчетом среднего значения.
- Создайте 2 фильтра для поиска по столбцу со строковыми значениями.
- Создайте 2 фильтра для поиска по столбцу с числовыми значениями.

Задача 2. Предварительная обработка данных
- Создайте Excel-файл students.xlsx, содержащий таблицу с информацией об абитуриентах. Таблица должна содержать минимум 10 записей и иметь следующие столбцы:
o ID – уникальный идентификатор (целое число).
o Name – имя (строка).
o Age – возраст (число; допустимы пропуски и разные форматы, например, 18 и 18.0).
o Grade – балл/оценка (число; допустимы пропуски и разные форматы, например 85 и 85.0).
o Enrolled – отметка о зачислении (логическое значение True/False; допустимы пропуски).
- В таблице должны присутствовать пропуски и разные форматы.
Например, ID Name Age Grade Enrolled 1 Alice 19 85 True 2 Bob
78 False 3 Charlie 20
True ... (ещё 7 записей)
- Загрузите данные из students.xlsx в pandas.DataFrame.
- Убедитесь, что файл загружен корректно:
o выведите первые строки таблицы,
o выведите типы столбцов (dtypes),
o рассчитайте количество пропусков в каждом столбце.
- С помощью индексации выведите строки, где отсутствует отметка о зачислении (Enrolled).
- Удалите строки с отсутствующей отметкой о зачислении.
- С помощью индексации выведите строки, где не указан возраст (Age).
- Заполните отсутствующие значения возраста средним значением по столбцу (fillna() + mean()).
- Заполните пропущенные значения в столбце Grade значением 0.
- Проверьте наличие оставшихся пропусков (isnull().sum()).
- Преобразуйте столбцы Age и Grade к целочисленному типу (int).
- Преобразуйте столец Enrolled к логическому типу (bool).