这十套练习，教你如何使用Pandas做数据分析

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/

Apple_stock.csv  drinks.csv          second_cars_info.csv          wechart.csv
cars.csv         Euro2012_stats.csv  train.csv                     wind.data
chipotle.tsv     iris.csv            US_Crime_Rates_1960_2014.csv

</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]:

5

</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]:

Index(['order_id', 'quantity', 'item_name', 'choice_description',
       'item_price'],
      dtype='object')

</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]:

RangeIndex(start=0, stop=4622, step=1)

</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]:

50

</div>

步骤11 在choice_description中，下单次数最多的商品是什么？¶