机器学习-数据科学库 10 酒类消费案例

数据准备

参考：https://gist.github.com/aegorenkov/f7f0f8d6e9cc17ca9774572e224e2ad1

import pandas as pd

# 将数据框命名为drinks
drinks = pd.read_csv('data_analysis/drinks.csv')

数据基本信息

# group by continent
continent_group_by = drinks.groupby('continent')

# 哪个大陆(continent)平均消耗的啤酒(beer)更多？
beer_df = continent_group_by.agg({'beer_servings': 'mean'})
beer_top_continent_str = beer_df.loc[beer_df.idxmax()].index[0]

# 打印出每个大陆(continent)的红酒消耗(wine_servings)的描述性统计值。
wine_agg_describe = continent_group_by.agg({'wine_servings': 'describe'})
wine_describe = continent_group_by['wine_servings'].describe()

# 打印出每个大陆每种酒类别的消耗平均值。
continent_mean = continent_group_by.mean()
continent_agg = continent_group_by.agg(['mean', 'max', 'std'])

# 打印出每个大陆每种酒类别的消耗中位数。
continent_median = continent_group_by.median()

# 打印出每个大陆对 spirit_servings 饮品消耗的平均值，最大值和最小值。
spirit_servings = continent_group_by.agg({'spirit_servings': ['mean', 'max', 'min']})