数据挖掘技术与应用：使用agg方法聚合数据

使用agg方法聚合数据

准备数据

准备数据meal_order_info.csv，并将meal_order_info.csv数据放到Linux本地/course/DataAnalyze/data目录。

使用agg方法聚合数据

1. 以T餐饮企业的菜品订单信息表为例，可以使用agg方法一次求出当前数据中所有菜品销量和售价的总和与均值，如代码 43所示。

代码 43 使用agg求出所有字段对应的统计量

In[5]:	print('订单详情表的菜品销量与售价的和与均值为：\n',       detail[['counts','amounts']].agg([np.sum,np.mean]))
Out[5]:	订单详情表的菜品销量与售价的和与均值为：             counts        amounts sum   3088.000000  125992.000000 mean     1.111191      45.337172

1. 代码 43中使用求和与求均值的函数求出“counts”和“amounts”两个字段的和与均值。使用agg分别求字段的不同统计量，如代码 44所示。

代码 44 使用agg分别求字段的不同统计量

In[6]:	print('订单详情表的菜品销量总和与售价的均值为：\n', detail.agg({'counts':np.sum,'amounts':np.mean}))
Out[6]:	订单详情表的菜品销量总和与售价的均值为： counts     3088.000000 amounts     45.337172 dtype: float64

1. 在某些时候还希望求出某个字段的多个统计量，某些字段则只需要求一个统计量，此时只需要将字典对应key的value变为列表，列表元素为多个目标的统计量即可，如代码 45所示。

代码 45 使用agg方法求不同字段不同数目统计量

In[7]:	print('菜品订单详情表的菜品销量总和与售价的总和与均值为：\n', detail.agg({'counts':np.sum,'amounts':[np.mean,np.sum]}))
Out[7]:	菜品订单详情表的菜品销量总和与售价的总和与均值为：        counts        amounts mean     NaN      45.337172 sum   3088.0  125992.000000

1. 在agg方法可传入读者自定义的函数，如代码 46所示。

代码 46 在agg方法中使用自定义函数

In[8]:	##自定义函数求两倍的和 def DoubleSum(data):     s = data.sum()*2     return s print('菜品订单详情表的菜品销量两倍总和为：','\n', detail.agg({'counts':DoubleSum},axis = 0))
Out[8]:	菜品订单详情表的菜品销量两倍总和为： counts    6176.0 dtype: float64

1. 使用自定义函数需要注意的是NumPy库中的函数能够在agg中直接使用，如代码 47所示。

代码 47 agg方法中使用自定义函数含NumPy中的函数

In[9]:	def DoubleSum1(data):     s = data.sum()*2     return s print('菜品订单详情表的菜品销量两倍总和为：','\n', detail.agg({'counts':DoubleSum1},axis = 0))
Out[9]:	菜品订单详情表的菜品销量两倍总和为：   counts    6176.0 dtype: float64
In[10]:	print('订单详情表的菜品销量与售价的和的两倍为：\n',       detail[['counts','amounts']].agg(DoubleSum1))
Out[10]:	订单详情表的菜品销量与售价的和的两倍为： counts       6176.0 amounts    251984.0 dtype: float64

1. 使用agg方法也能够实现对每一个字段每一组使用相同的函数，如代码 48所示。

代码 48 使用apply，agg方法做简单的聚合

In[11]:	print('订单详情表分组后前3组每组的均值为：\n', detailGroup.agg(np.mean).head(3))
Out[11]:	订单详情表分组后前 3 组每组的均值为：              counts    amounts order_id                      137       1.500000  32.333333 165       1.166667  52.944444 166       1.400000  48.200000
In[12]:	print('订单详情表分组后前3组每组的标准差为：\n', detailGroup.agg(np.std).head(3))
Out[12]:	订单详情表分组后前 3 组每组的标准差为：              counts    amounts order_id                      137       1.224745  35.200379 165       0.383482  52.193613 166       0.547723  41.829415

1. 使用agg方法对分组后的菜品订单表求取每组菜品总数和售价均值，如代码 49所示。

代码 49 使用agg方法对分组数据使用不同聚合函数

In[13]:	print('订单详情分组前3组每组菜品总数和售价均值为：\n', detailGroup.agg({'counts':np.sum,'amounts':np.mean}).head(3))
Out[13]:	订单详情分组前 3 组每组菜品总数和售价均值为：            counts    amounts order_id                    137            9  32.333333 165           21  52.944444 166            7  48.200000