Kesci的十套数据分析练习笔记

练习题Kesci链接: link

练习1-开始了解你的数据

探索Chipotle快餐数据

步骤9 被下单数最多商品(item)是什么?

思路：

1. 对象：DataFrame
2. 提取感兴趣的列。
   ！注意：中括号内传入单个列名，如chipo['item_name']，则产生一个Series（不能传入多个列名）；
   中括号内传入数组，如chipo[['item_name','quantity']]，则产生一个DataFrame。
3. 分组，groupby括号内传入列名的数组（一个或多个），产生一个group对象。（as_index=False表示分组键不作为index，如果传入group_keys=False在后面的运算中会把分组键重新置为index——不清楚什么原因）
4. 对group对象应用函数。
   答案的做法是—— .agg({'quantity':sum})
   我的做法是（相同效果）—— [['quantity']].sum()
   都是生成DataFrame对象
5. 排序 使用sort_index和sort_values效果差不多，但是系统推荐后者。传入inplace=True实现原地排序
6. 显示最大值
   
   

步骤10 在item_name这一列中，一共有多少种商品被下单？

统计不重复的对象的个数
答案：chipo['item_name'].nunique()
我：len(chipo['item_name'].unique())

步骤13 将item_price转换为浮点数

chipo['item_price']中每个对象的格式是string（‘$’+数字），如果直接用.astype(float)则会出错，因为str无法转换成为float。
解决办法：利用可调用函数处理每个对象，并将函数传入apply。

dollarizer = lambda x: float(x[1:-1])#去除'$'符号并将数字传唤成为float
chipo['item_price'].apply(dollarizer)

步骤14 在该数据集对应的时期内，收入(revenue)是多少

round()返回括号内浮点数的四舍五入值。

步骤16 每一单(order)对应的平均总价是多少？

思路：

1. 对象：DataFrame
2. 提取感兴趣的列。chipo[['order_id','sub_total']]
3. 分组。.groupby(by=['order_id'])
4. 对group对象应用函数。.agg({'sub_total':'sum'})
5. 提取感兴趣的列。['sub_total']
6. 对列应用函数。.mean()
   
   

练习2-数据过滤与排序

探索2012欧洲杯数据

步骤5 有多少球队参与了2012欧洲杯？

.shape(0)DataFrame的shape函数，输出括号内（0代表0轴，1代表1轴…）的大小。

步骤8 对数据框discipline按照先Red Cards再Yellow Cards进行排序

.sort_values(by=['A','B'])sort_value函数按照A，B的先后顺序对A，B先后排序。

步骤11 选取以字母G开头的球队数据

处理字符串对象用str函数
答案：euro12[euro12.Team.str.startswith('G')]
我：euro12[euro12['Team'].apply(lambda x: x[0]=='G')]

步骤12 选取前7列

.iloc按整数索引选取子行和子列
loc按轴标签（行名或列名）选取子行和子列

步骤14 找到英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accuracy)

.isin()函数可用于选取某一列中的几个对象所在的行作为行索引，函数返回的是bool类型的Series。

练习3-数据分组

探索酒类消费数据

步骤8 打印出每个大陆对spirit饮品消耗的平均值，最大值和最小值

思路：

1. 对象：DataFrame
2. 分组。drinks.groupby('continent')
3. 提取感兴趣的列。.spirit_servings
4. 应用函数。agg(['mean', 'min', 'max'])
   
   

练习4-Apply函数

探索1960 - 2014 美国犯罪数据

步骤5 将Year的数据类型转换为 datetime6