60 lines
2.2 KiB
Python
60 lines
2.2 KiB
Python
# -- 将数据集存入一个名为chipo的数据框内
|
||
# -- 查看前10行内容
|
||
# -- 数据集中有多少个列(columns)？
|
||
# -- 打印出全部的列名称
|
||
# -- 数据集的索引是怎样的？
|
||
# -- 被下单数最多商品(item)是什么?
|
||
# -- 在item_name这一列中，一共有多少种商品被下单？
|
||
# -- 在choice_description中，下单次数最多的商品是什么？
|
||
# -- 一共有多少商品被下单？
|
||
# -- 将item_price转换为浮点数
|
||
# -- 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，一共有多少订单？
|
||
# -- 每一单(order)对应的平均总价是多少？
|
||
|
||
import pandas as pd
|
||
#将数据集存入一个名为chipo的数据框内
|
||
chipo = pd.read_csv('./data/chipotle.tsv',sep='\t')
|
||
print(chipo.head(10))
|
||
|
||
#数据集中有多少个列(columns)？
|
||
print(chipo.shape)
|
||
print(chipo.shape[1])
|
||
|
||
print(chipo.columns)
|
||
print(chipo.index)
|
||
|
||
#被下单数最多商品(item)是什么?
|
||
# print(chipo[['item_name','quantity']].groupby(by=['item_name']).describe())
|
||
a1 = chipo[['item_name','quantity']].groupby(by=['item_name']).sum().sort_values(by = ['quantity'],ascending=False)
|
||
print(a1)
|
||
|
||
#在item_name这一列中，一共有多少种商品被下单？
|
||
a2 = chipo['item_name'].nunique()
|
||
print(a2)
|
||
|
||
#在choice_description中，下单次数最多的商品是什么？
|
||
a3 = chipo[['quantity','choice_description']].groupby('choice_description').sum().sort_values('quantity',ascending=False)
|
||
a4 = chipo['choice_description'].value_counts().head()
|
||
print(a3,a4)
|
||
|
||
#一共有多少商品被下单？
|
||
a5 = chipo['quantity'].sum()
|
||
print(a5)
|
||
|
||
#将item_price转换为浮点数
|
||
#货币符号后取起
|
||
# print(chipo['item_price'])
|
||
#为什么从0开始不行？
|
||
#报错：could not convert string to float: '$2.39 '
|
||
a6 = chipo['item_price'] = chipo['item_price'].apply(lambda x:float(x[1:]))
|
||
|
||
#在该数据集对应的时期内，收入(revenue)是多少？
|
||
((chipo['quantity']*chipo['item_price'])).sum()
|
||
|
||
#在该数据集对应的时期内，一共有多少订单？
|
||
chipo['order_id'].nunique()
|
||
#每一单(order)对应的平均总价是多少？
|
||
chipo['item_price_sum'] = chipo['quantity'] * chipo['item_price']
|
||
chipo[['order_id','item_price_sum']].groupby('order_id').sum().mean()
|