python日期处理、groupby聚合、求最大值、方差

最新推荐文章于 2024-07-31 02:06:24 发布

Gnit66

最新推荐文章于 2024-07-31 02:06:24 发布

阅读量3.4k

点赞数

文章标签： python 数据处理数据分析

本文链接：https://blog.csdn.net/Gnit66/article/details/90082099

版权

本文通过Python解决四个数据处理问题：找出2014年9月销售额最高的店铺，2014年夏天收入最高的商品类别，统计价格未变动的商品数量，以及绘制2014年12月25日商店销售柱状图并计算方差。在分析中，发现2014年12月29日无销量，而30日销量突然增加，原因未知。

摘要由CSDN通过智能技术生成

赞赞童鞋鼓励我一定要勤更勤更勤更，好的那就更一个。虽然真的好累……

任务是酱紫的，有两个CSV文件，要解决4个问题：

Q1:2014年9月哪个店铺的总revenue最高？

Q2:2014年夏天哪个item_category的revenue最高？

Q3:有多少item的价格一直没变过？

Q4:2014年12月，25号商店的日销量的柱状图，并求方差

OK，let's go.

import pandas as pd
import numpy as np
import os
import time,datetime
import matplotlib.pyplot as plt

DATA_FOLDER = 'D:/LFTK/W1/'

transactions    = pd.read_csv(os.path.join(DATA_FOLDER, 'sales_train.csv.gz'))
items           = pd.read_csv(os.path.join(DATA_FOLDER, 'items.csv'))

#看看transactions长啥样#
transactions.head()

	date	date_block_num	shop_id	item_id	item_price	item_cnt_day
0	02.01.2013

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Gnit66

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

python 整合同类数据求分位值_【Python】GroupBy：数据聚合与分组运算

weixin_39818662的博客

12-22

1059

【博客地址】：https://blog.csdn.net/sunyaowu315【博客大纲地址】：https://blog.csdn.net/sunyaowu315/article/details/82905347python：GroupBy：数据聚合与分组运算目录：文章目录目录： @[toc]一 GroupBy技术1 对分组进行迭代2 选取一个或一组列3 通过字典或Series进行分组4 通过函...

【python groupby】分组聚合groupby的用法

i徒然

11-26

7373

对dataframe进行groupby之后得到的是一个groupby对象，不能直接打印输出，但可以对这个对象进行各种计算 df = pd.DataFrame({'key1':['a','a','b','b','a'], 'key2':['one','two','one','two','one'], 'data1':np...

参与评论您还未登录，请先登录后发表或查看评论

numpy python zip_numpy:压缩块矩阵

weixin_39945679的博客

12-17

669

我能想到的最直接的方法是将矩阵转换为一维数组，然后为分区组索引X和{}创建相应的数组，尽管可能不是最有效的(尤其是当矩阵很大时)。然后，您可以按分区分组索引分组，最后将矩阵重新构造为其原始形式。在例如，如果矩阵是>>> M1 = np.arange(25).reshape((5,5))>>> M1array([[ 0, 1, 2, 3, 4],[ 5, ...

python merge的参数用法

最新发布

weixin_36219894的博客

07-31

给大家整理了一些有关【数据库操作,数据库】的项目学习资料（附讲解～～）：https://edu.51cto.com/course/28495.htmlhttps://edu.51cto.com/course/33749.html以一些关于【数据库】的学习资料和大家一起分享一下：https://edu.51cto.co...

python利用groupby函数提取一天中的最大值、最小值或求和、求平均

weixin_46080995的博客

05-15

998

【代码】python利用groupby函数提取一天中的最大值、最小值或求和、求平均。

python学习笔记--groupby

zhouwenyuan1015的博客

05-20

903

groupby简介 1）groupby主要用户数据描述性统计分析，包括：按一列或多列分组求平均数，计数，标准差等。 2）经过优化的GroupBy的方法 count 分组中非NA值的数量 sum 非NA值的和 mean 非NA值的平均值 median 非NA值的算术中位数 std、var

Python求均值，方差，标准差，最大值，最小值

weixin_43040618的博客

03-13

8257

最近初入机器学习，老是让计算这几个值还有最大最小值，现在整理一下 import numpy as np arr = [1,2,5,8,9,6,7,3,4] #求均值 arr_mean = np.mean(arr) #求方差 arr_var = np.var(arr) #求标准差 arr_std = np.std(arr,ddof=1) #求最值 arr_New = sorted(arr) arr...

python利用pandas统计分析—groupby()函数的使用

sodaloveer的博客

08-31

7239

介绍一下groupby的基本原理、对应的agg、transform和apply操作、groupby后的去重统计及重命名列名。

Pandas Groupby常用方法

qq_43137926的博客

04-05

472

mean() 计算组的平均值 sum() 计算组值之和 size() 计算组大小 count() 计算组数 std() 组的标准偏差 var() 计算组的方差 sem() 均值的标准误 describe() 生成描述性统计 first() 首先计算组值 last() 计算组值的最后一个 nth() 取第n个值，如果n是一个列表，则取一个子集 min() 计算组值的最小值 max() 计算组值的最大...

Python在groupby分组后提取指定位置记录方法

12-24

在默认情况下，groupby()可以计算诸如最大值(max)、最小值(min)和方差(var)等统计量。但如果我们想要获取分组后的特定位置记录，例如第二个或倒数第三个记录，我们就需要自定义函数来实现这一功能。在Python中，我们...

【Python】GroupBy：数据聚合与分组运算

09-19

3365

对数据集进行分组并对各组应用一个函数（无论是聚合还是转换），这是数据分析工作中的重要环节。在将数据集准备好之后，通常的任务就是计算分组统计或生成透视表。pandas提供了一个灵活的groupby功能，它能够以一种自然的方式对数据集进行切片、切块、摘要等操作。

python分组统计数据_【Python 数据分析】groupby分组统计

weixin_39929602的博客

12-08

2125

1.简介(1)根据某些条件将数据拆分成组(2)对每个组独立应用函数(3)将结果合并到一个数据结构中Dataframe在行(axis=0)或列(axis=1)上进行分组，将一个函数应用到各个分组并产生一个新值，然后函数执行结果被合并到最终的结果对象中。df.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_key...

Pandas的基础操作：常用函数（求均值，方差，求和，众数，统计元素个数等）／分组运算groupby操作／透视表

weixin_42969619的博客

08-28

2万+

刚刚使用Python进行数据分析，分享一些概念和想法，希望可以大家一起讨论，如果理解或者表达有不准确的地方，请多多指点，不吝赐教，非常感谢～～本文将介绍Pandas操作的最后一个部分，前两篇分别是：《Pandas的基础操作：介绍／创建／查看数据／赋值／常用函数》：https://blog.csdn.net/weixin_42969619/article/details/96863875 《...

python对dataframe进行groupby之后求标准差

hcq15900382130的博客

09-04

7030

报错情况： AttributeError: 'str' object has no attribute 'sqrt' 解决方案：原来代码为 df_mp_sta_std = df_mp_grouped.agg(np.std) 后来改为 df_mp_sta_std = df_mp_grouped.agg(np.std,ddof = 0) 注意ddof即为有偏还是无...

pandas+groupby+std

tortelee的博客

07-16

1843

我们对groupby后的数据的某一列或者某几列求方差，代码如下：>>> df = pd.DataFrame({'a':range(10), 'b':range(10,20), 'c':list('abcdefghij'), 'g':[1]*3 + [2]*3 + [3]*4}) >>> df a b c g 0 0 10 a 1 1 1 ...

利用Python进行数据分析--数据聚合与分组运算1

栖客

11-18

2407

转载自： pandas提供了一个灵活高效的groupby功能，它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。根据一个或多个键（可以是函数、数组或DataFrame列名）拆分pandas对象。计算分组摘要统计，如计数、平均值、标准差，或用户自定义函数。对DataFrame的列应用各种各样的函数。应用组内转换或其他运算，如规格化、线性回归、排名或选取子集等。计算透视表或

python/pandas数据挖掘（十四）-groupby,聚合，分组级运算

热门推荐

python|大数据爱好者Alvin

01-09

20万+

groupby,聚合，分组级运算，python 数据分析

Pandas 之groupby操作

帮助100万人颠覆负面潜意识，实现人生蜕变，培养1万名潜意识开发导师

06-06

1910

pandas提供了一个灵活高效的groupby功能，它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。根据一个或多个键（可以是函数、数组或DataFrame列名）拆分pandas对象。计算分组摘要统计，如计数、平均值、标准差，或用户自定义函数。对DataFrame的列应用各种各样的函数。应用组内转换或其他运算，如规格化、线性回归、排名或选取子集等。计算透视表或交叉表。执行分位数分析以及其...

Python求平均值，方差，最大最小值

06-12

在Python中，计算平均值、方差和最大最小值是常见的数据分析任务，可以使用内置的函数轻松完成。以下是三种操作的方法： 1. 平均值（Average）: 可以使用`sum()`函数加总所有数值，然后除以数量（列表长度）来计算。例如： ```python numbers = [1, 2, 3, 4, 5] average = sum(numbers) / len(numbers) ``` 或者使用`statistics`模块中的`mean()`函数，它是专门为统计目的设计的： ```python import statistics numbers = [1, 2, 3, 4, 5] average = statistics.mean(numbers) ``` 2. 方差（Variance）: 方差测量了数据点与平均值之间的偏离程度。可以使用`numpy`库的`var()`函数或`statistics`模块的`variance()`方法，如果列表已排序，需先调用`numpy.array()`或`list()`： ```python import numpy as np numbers = [1, 2, 3, 4, 5] variance = np.var(numbers) # 或者 variance = statistics.variance(numbers) # 如果没有numpy： variance = sum((x - average) ** 2 for x in numbers) / len(numbers) ``` 3. 最大值（Max）和最小值（Min）: Python内建函数`max()`和`min()`可以直接找出列表中的最大值和最小值： ```python max_value = max(numbers) min_value = min(numbers) ``` 或者同样地，你可以使用`numpy`库的`amax()`和`amin()`，或者`statistics`模块的`max()`和`min()`，但注意后者只对可迭代对象有效。如果你有具体的数据列表，我可以帮你演示如何应用这些方法。如果你需要计算特定类型的数值（如整数、浮点数或字符串中的数字），可能需要额外处理。现在，请告诉我你是否有具体的数值列表，或者需要进一步的解释。