Python数据分析（1）----餐饮订单数据分析

本次实验内容为餐饮订单数据的分析，数据请见：https://pan.baidu.com/s/1tL7FE5lxs-gb6Phf8XRu_Q，文件夹：data_analysis，下面的文件：chipotle.csv 本次实验主要是对python中的数据进行基本操作。

代码为：

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
#用 shift+Alt+E一行一行执行，右下角看数据的 Special Variables下面的chipo执行情况
import pandas as pd
# 1. 将数据集存入一个名为 chipo的数据框内
chipo = pd.read_csv('data_analysis/chipotle.csv')
# 2. 查看前10行内容
chipo.head(10)
# 3. 数据集中有多少个列(columns) ？
chipo.shape[1]
# 4. 打印出全部的列名称
chipo.columns
# 5. 数据集的索引是怎样？
chipo.index
# 6. 被下单数最多商品 (item)是什么?涉及分组聚合,idxmax()表示最大值的索引 改成max()则可以看到最大值是多少
chipo.groupby('item_name').agg({'quantity': 'sum'}).idxmax()
chipo.groupby('item_name').agg({'quantity': 'sum'}).max()
chipo.groupby('item_name').agg({'quantity': 'sum'}).idxmin()
chipo.groupby('item_name').agg({'quantity': 'sum'}).min()
# 7. 在 item_name这一列中，共有多少种商品被下单？unique()是去重操作 nunique()是去重之后的个数
chipo['item_name'].unique()
chipo['item_name'].nunique()
# 8. 一共有多少个商品被下单？
chipo['quantity'].sum()
# 9. 将item_price转换为浮点数
# chipo['item_price'][0][1:]
chipo['item_price'] = chipo['item_price'].str[1:].astype('float')  #取字符串的从1位置开始的数据

# 10. 在该数据集对应的时期内，收入 (revenue) 是多少？
chipo['revenue'] = chipo['quantity']*chipo['item_price']
chipo['revenue'].sum()
# 11. 在该数据集对应的时期内，一共有多少订单？
chipo['order_id'].nunique()
# 12. 每一单 (order) 对应的平均总价是多少？
chipo['revenue'].sum()/chipo['order_id'].nunique()

文件‘chipotle.csv’中的数据截图为：

运行结果截图如下所示：

Tips: 对于python零基础的一定要提醒的地方是：代码中的： python chipo = pd.read_csv('data_analysis/chipotle.csv')一定要注意将‘chipotle.csv’文件存放在文件夹‘data_analysis’下，并且保证文件夹与.py文件在同一路径下，否则找不到文件会报错。