数据挖掘技术-使用groupby方法拆分数据

使用groupby方法拆分数据

1. 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。

1. 使用groupby方法拆分数据

1. 以T餐饮企业的菜品订单详情表为例，依据订单编号对数据进行分组，如代码 41所示。

代码 41 对菜品订单详情表依据订单编号分组

In[1]:	import pandas as pd import numpy as np import os os.chdir(‘/course/DataAnalyze/data’) detail= pd.read_csv ('meal_order_detail1.csv') detailGroup = detail[['order_id','counts','amounts']].groupby(by = 'order_id') print('分组后的订单详情表为：',detailGroup)
Out[1]:	分组后的订单详情表为：<pandas.core.groupby.groupby.DataFrameGroupBy object at 0x0000000008A9DE48>

1. T餐饮企业的菜品订单表经过分组操作后每一组的均值，标准差，中位数如代码 42所示。

代码 42 GroupBy类求均值，标准差，中位数

In[2]:	print('订单详情表分组后前5组每组的均值为：\n', detailGroup.mean().head())
Out[2]:	订单详情表分组后前5组每组的均值为：            counts  amounts order_id 1002      1.0000   32.000 1003      1.2500   30.125 1004      1.0625   43.875 1008      1.0000   63.000 1011      1.0000   57.700
In[3]:	print('订单详情表分组后前5组每组的标准差为：\n', detailGroup.std().head())
Out[3]:	订单详情表分组后前3组每组的标准差为：             counts    amounts order_id 1002      0.00000  16.000000 1003      0.46291  21.383822 1004      0.25000  31.195886 1008      0.00000  64.880660 1011      0.00000  50.077828
In[4]:	print('订单详情表分组后前5组每组的大小为：','\n', detailGroup.size().head())
Out[4]:	订单详情表分组后前5组每组的大小为： order_id 1002     7 1003     8 1004    16 1008     5 1011    10 dtype: int64