Python数据分析1实战（1）——探索Chipotle快餐数据

个人复习总结（jupyter）

练习来源：工作台 - Heywhale.com

1 导入必要的库和创建数据

import pandas as pd
路径='D:/数据分析有关数据集/十套练习/exercise_data/chipotle.tsv'
数据=pd.read_csv(路径,sep='\t')   
#’\t’是到下一个制表单位，就是向后数第9位，即Tab，也叫横向制表符
数据

2 查看前10行内容

数据.head(10)

 3数据集中有多少行和列(columns)

数据.shape    #查看数据的形状，返回（行数、列数）
数据.shape[0]    #数据集中有多少个行
数据.shape[1]   #数据集中有多少个列(columns)

4打印出全部的列名称 

数据.columns   #打印出全部的列名称

 5数据集的索引是怎样的

数据.index 

6被下单数最多商品(item)是什么?

数据3=数据.groupby('item_name',as_index=False).agg({'quantity':'sum'})  

#as_index=True时，“as_index”就类似表示将组标签（类似“主键”）作为索引；
#as_index=False时，索引为0，1，2，3…
#agg是对于列聚合


数据3.sort_values(by='quantity',ascending=False,inplace=True)

#对quantity进行倒序排序，对数据3原表操作

数据3.head()

7在item_name这一列中，一共有多少种商品被下单？ 

数据['item_name'].nunique()     #nunique为去重

 8一共下单了多少商品

数据['quantity'].sum()

9将item_price转换为浮点数

#去掉item_price里的货币符号，并变成浮点数
#字符串取切片从第二位到最后一位，也就是索引1到-1，目的是去掉$符号。然后再转化为浮点型，不然object没办法进行统计运算。
#apply可以运行括号里的函数

dollarizer = lambda x: float(x[1:-1])
数据['item_price']=数据['item_price'].apply(dollarizer)
数据

 10在该数据集对应的时期内，收入(revenue)是多少

#在该数据集对应的时期内，收入(revenue)是多少?

数据['revenue']=round(数据['quantity']*数据['item_price'],2)

数据.head()

数据['revenue'].sum()