【小练习】红白葡萄酒案例2_数据分组聚合

红白葡萄酒问题 ：哪个水平的酸度（pH 值）获得的平均评级最高？

思路：先用pd.cut() 对酸度进行划分，再用pd.groupby()对划分好的区间进行分组求评分的平均值。

import pandas as pd

df = pd.read_csv('winequality_edited.csv')  #'winequality_edited.csv'这是合并后的数据

# 用 Pandas 描述功能查看最小、25%、50%、75% 和 最大 pH 值 

pd.describe()['pH']

输出：

count    6497.000000
mean        3.218501
std         0.160787
min         2.720000
25%         3.110000
50%         3.210000
75%         3.320000
max         4.010000
Name: pH, dtype: float64

# 对用于把数据“分割”成组的边缘进行分组

bin_edges = [ 2.72, 3.11, 3.21, 3.32, 4.01]# 用刚才计算的五个值填充

'''

酸度水平：

1. 高: 最低 25% 时的 pH 值
2. 中等偏高: 25% - 50% 时的 pH 值
3. 中: 50% - 75% 时的 pH 值
4. 低: 最高 75% 时的 pH 值

'''

# 四个酸度水平组的标签

bin_names = [ 'high', 'medium_to_high', 'medium', 'low']# 对每个酸度水平类别进行命名

# 创建 acidity_levels 列
df['acidity_levels'] = pd.cut(df['pH'], bin_edges, labels=bin_names)
# 检查该列是否成功创建

df.head()

# 用 groupby 计算每个酸度水平的平均质量
df.groupby('acidity_levels')['quality'].mean()

# 保存更改
df.to_csv('winequality_edited.csv', index=False)