记录Pandas处理数据的两个小技巧

◆ ◆ ◆  ◆ ◆

Pandas

Pandas无疑是Python中用于数据分析最好的第三方库了。各种数据分析的日常应用场景下，我都会想Pandas能不能完成这个需求？会不会更简单？！话不多说，今天分享两个Pandas处理数据的小技巧。

按天统计不同类别商品销量占比

工作中的小技巧（一），希望大家get起来~

日期	商品	销售额	占比
2020-05-01	苏菲	233
2020-05-01	冈本	303
2020-05-01	筋膜枪	296
2020-05-01	口红	318
2020-05-02	苏菲	106
2020-05-02	冈本	392
2020-05-02	筋膜枪	229
2020-05-02	口红	162
2020-05-03	苏菲	457
2020-05-03	冈本	109
2020-05-03	筋膜枪	281
2020-05-03	口红	497
……
2020-05-14	苏菲	111
2020-05-14	冈本	286
2020-05-14	筋膜枪	245
2020-05-14	口红	215
2020-05-15	苏菲	260
2020-05-15	冈本	226
2020-05-15	筋膜枪	324
2020-05-15	口红	246

工作中，这种问题还是比较多的。通过分析比较每天不同商品的销售额占比，再结合利润率情况，就可以知道公司下一步应该主推什么才能盈利，哪些商品的占比应该提高或者降低。或者也可以反映出哪些种类的商品更赚钱，对公司盈利层面更有帮助。

# Python coding
>>> df = pd.read_csv('./sales.csv')
>>> df.set_index('日期',inplace = True)


>>> (100*df['销售额']/df['销售额'].sum(level = '日期')).round(2).map('{}%'.format)
 
日期
2020-05-01    20.26%
2020-05-01    26.35%
2020-05-01    25.74%
2020-05-01    27.65%
2020-05-02    11.92%
2020-05-02    44.09%
2020-05-02    25.76%
2020-05-02    18.22%
Name: 销售额, dtype: object


>>> df['占比'] = (100*df['销售额']/df['销售额'].sum(level = '日期')).round(2).map('{}%'.format)
>>> df.head(8)

如果各位有关于SQL的写法来解决此类问题，且比较简单的解法，欢迎与我交流~还望不吝赐教！

Pandas实现group_concat功能

一般情况下，销售表的生成方式都是产生记录后，一条一条插入的。我们看到的表是一行一行的。但是，总有一些奇葩的需求，想把表横过来看看。所谓的换个角度看世界，我依然很穷！

如何实现上述图片的转换过程呢？！看代码吧~

>>> df.groupby('顾客').apply(lambda x:'-'.join(x['商品']))

感觉怪怪的！我是想说，这看起来没有字段名，也不太好吧。变个魔术即可~

>>> df.groupby('顾客').apply(lambda x:'-'.join(x['商品'])).reset_index().rename({0:'商品'},axis=1)
>>> df_gb = df.groupby('顾客').apply(lambda x:'-'.join(x['商品'])).reset_index().rename({0:'商品'},axis=1)
>>> df_gb

>>> df_gb['商品'].str.split('-',expand = True）
>>> df_gb[['商品1','商品2','商品3']] = df_gb['商品'].str.split('-',expand = True)
>>> df_gb
>>> df_gb.drop('商品',axis = 1,inplace = True)
>>> df_gb

完成~

本周送书：转发本文到朋友圈，朋友点赞30个即可包邮送到家~先到先得！

 

“在看”的永远18岁~