这十套练习,教你如何使用Pandas做数据分析

这十套练习,教你如何用Pandas做数据分析¶

Pandas是入门Python做数据分析所必须要掌握的一个库。本文内容由科赛网翻译整理自Github,建议读者完成科赛网 从零上手Python关键代码 和 Pandas基础命令速查表 教程学习的之后,点击本篇Notebook右上角的 Fork 按钮对本教程代码进行调试学习。

转载本文请联系 科赛网 取得授权,科赛网 是聚合数据人才和行业问题的在线社区,率先打造国内首款K-Lab 在线数据分析协作平台,为数据工作者的学习与工作带来全新的体验。

练习题索引¶

点击习题编号即可跳转至习题内容。

习题编号 内容 相应数据集
练习1 - 开始了解你的数据 探索Chipotle快餐数据 chipotle.tsv
练习2 - 数据过滤与排序 探索2012欧洲杯数据 Euro2012_stats.csv
练习3 - 数据分组 探索酒类消费数据 drinks.csv
练习4 -Apply函数 探索1960 - 2014 美国犯罪数据 US_Crime_Rates_1960_2014.csv
练习5 - 合并 探索虚拟姓名数据 练习中手动内置的数据
练习6 - 统计 探索风速数据 wind.data
练习7 - 可视化 探索泰坦尼克灾难数据 train.csv
练习8 - 创建数据框 探索Pokemon数据 练习中手动内置的数据
练习9 - 时间序列 探索Apple公司股价数据 Apple_stock.csv
练习10 - 删除数据 探索Iris纸鸢花数据 iris.csv

对应的数据集文件路径查看¶

In [231]:
ls ../input/pandas_exercise/exercise_data/
Apple_stock.csv  drinks.csv          second_cars_info.csv          wechart.csv
cars.csv         Euro2012_stats.csv  train.csv                     wind.data
chipotle.tsv     iris.csv            US_Crime_Rates_1960_2014.csv

练习1-开始了解你的数据¶

探索Chipotle快餐数据¶

这十套练习,教你如何使用Pandas做数据分析_第1张图片

返回练习题索引

步骤1 导入必要的库¶

In [232]:
# 运行以下代码
import pandas as pd

步骤2 从如下地址导入数据集¶

In [233]:
# 运行以下代码
path1 = "../input/pandas_exercise/exercise_data/chipotle.tsv"    # chipotle.tsv

步骤3 将数据集存入一个名为chipo的数据框内¶

In [234]:
# 运行以下代码
chipo = pd.read_csv(path1, sep = '\t')

步骤4 查看前10行内容¶

In [235]:
# 运行以下代码
chipo.head(10)
Out[235]:
order_id quantity item_name choice_description item_price
0 1 1 Chips and Fresh Tomato Salsa NaN $2.39
1 1 1 Izze [Clementine] $3.39
2 1 1 Nantucket Nectar [Apple] $3.39
3 1 1 Chips and Tomatillo-Green Chili Salsa NaN $2.39
4 2 2 Chicken Bowl [Tomatillo-Red Chili Salsa (Hot), [Black Beans... $16.98
5 3 1 Chicken Bowl [Fresh Tomato Salsa (Mild), [Rice, Cheese, Sou... $10.98
6 3 1 Side of Chips NaN $1.69
7 4 1 Steak Burrito [Tomatillo Red Chili Salsa, [Fajita Vegetables... $11.75
8 4 1 Steak Soft Tacos [Tomatillo Green Chili Salsa, [Pinto Beans, Ch... $9.25
9 5 1 Steak Burrito [Fresh Tomato Salsa, [Rice, Black Beans, Pinto... $9.25

步骤6 数据集中有多少个列(columns)¶

In [236]:
# 运行以下代码
chipo.shape[1]
Out[236]:
5

步骤7 打印出全部的列名称¶

In [237]:
# 运行以下代码
chipo.columns
Out[237]:
Index(['order_id', 'quantity', 'item_name', 'choice_description',
       'item_price'],
      dtype='object')

步骤8 数据集的索引是怎样的¶

In [238]:
# 运行以下代码
chipo.index
Out[238]:
RangeIndex(start=0, stop=4622, step=1)

步骤9 被下单数最多商品(item)是什么?¶

In [239]:
# 运行以下代码,做了修正
c = chipo[['item_name','quantity']].groupby(['item_name'],as_index=False).agg({'quantity':sum})
c.sort_values(['quantity'],ascending=False,inplace=True)
c.head()
Out[239]:
item_name quantity
17 Chicken Bowl 761
18 Chicken Burrito 591
25 Chips and Guacamole 506
39 Steak Burrito 386
10 Canned Soft Drink 351

步骤10 在item_name这一列中,一共有多少种商品被下单?¶

In [240]:
# 运行以下代码
chipo['item_name'].nunique()
Out[240]:
50

步骤11 在choice_description中,下单次数最多的商品是什么?¶

你可能感兴趣的:(数据分析)