五、练习

In [45]: df = pd.read_csv('data/car.csv')
In [46]: df.head(3)
Out[46]: 
             Brand  Price Country  Reliability  Mileage   Type  Weight  Disp.   HP
0   Eagle Summit 4   8895     USA          4.0       33  Small    2560     97  113
1  Ford Escort   4   7402     USA          2.0       33  Small    2345    114   90
2   Ford Festiva 4   6319   Korea          4.0       37  Small    1845     81   63

1. 先过滤出所属 Country 数超过2个的汽车，即若该汽车的 Country 在总体数据集中出现次数不超过2则剔除，再按 Country 分组计算价格均值、价格变异系数、该 Country 的汽车数量，其中变异系数的计算方法是标准差除以均值，并在结果中把变异系数重命名为 CoV 。
2. 按照表中位置的前三分之一、中间三分之一和后三分之一分组，统计 Price 的均值。
3. 对类型 Type 分组，对 Price 和 HP 分别计算最大值和最小值，结果会产生多级索引，请用下划线把多级列索引合并为单层索引。
4. 对类型 Type 分组，对 HP 进行组内的 min-max 归一化。
5. 对类型 Type 分组，计算 Disp. 与 HP 的相关系数。

• groupby 对象的构造方法是 my_groupby(df, group_cols)
• 支持单列分组与多列分组
• 支持带有标量广播的 my_groupby(df)[col].transform(my_func) 功能
• pandas 的 transform 不能跨列计算，请支持此功能，即仍返回 Series 但 col 参数为多列
• 无需考虑性能与异常处理，只需实现上述功能，在给出测试样例的同时与 pandas 中的 transform 对比结果是否一致