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/
</div>
练习1-开始了解你的数据¶
探索Chipotle快餐数据¶
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
</div>
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
</div>
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')
</div>
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 |
</div>
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]:
</div>
步骤7 打印出全部的列名称¶
In [237]:
# 运行以下代码
chipo.columns
Out[237]:
</div>
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]:
</div>
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 |
</div>
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]:
</div>
