端午节淘宝粽子交易

一、端午节的淘宝粽子交易

刚刚考完试来做题做了一晚上一道题都没做完全，先提交打卡了，后面再慢慢补。

问题 (1) 请删除最后一列为缺失值的行，并求所有在杭州发货的商品单价均值。

import pandas as pd
import numpy as np

df = pd.read_csv(r'data\端午粽子数据.csv')
df.head()

	标题	价格	付款人数	店铺	发货地址
0	五芳斋粽子礼盒 心悦+18只装咸鸭蛋组合端午节礼品团购嘉兴肉粽子	129	6人付款	五芳斋官方旗舰店	浙江 嘉兴
1	北京稻香村端午粽子手工豆沙粽220g*2袋散装豆沙粽香甜软糯豆沙粽	44	8人付款	天猫超市	上海
2	五芳斋粽子礼盒装鲜肉咸蛋黄大肉粽嘉兴豆沙甜粽端午团购散装礼品	89.9	100万+人付款	五芳斋官方旗舰店	浙江 嘉兴
3	稻香私房鲜肉粽蛋黄肉粽嘉兴粽子咸鸭蛋礼盒装端午节送礼特产团购	138	1936人付款	稻香村食品旗舰店	北京
4	嘉兴粽子 蛋黄鲜肉粽新鲜大肉粽早餐散装团购浙江特产蜜枣多口味	3.8	9500+人付款	城城喂食猫	浙江 嘉兴

df.info()
df.columns

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4403 entries, 0 to 4402
Data columns (total 5 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   标题      4403 non-null   object
 1    价格     4403 non-null   object
 2   付款人数    4332 non-null   object
 3   店铺      4403 non-null   object
 4   发货地址    4400 non-null   object
dtypes: object(5)
memory usage: 172.1+ KB





Index(['标题', ' 价格', '付款人数', '店铺', '发货地址 '], dtype='object')

df.columns = df.columns.str.strip()

df[df['发货地址'].isna()]

	标题	价格	付款人数	店铺	发货地址
1847	贞丰胖四娘灰粽传统肉粽真空板栗鲜肉粽方便速食端午贵州粽子5只	46.8	41人付款	贵州原产地商品官方旗舰店	NaN
2418	素缤纷粽子140g*6入袋装净素素食纯素蔬食素粽早餐点心端午送礼	49.4	40人付款	素缤纷精致素食自助式餐厅	NaN
2716	辰颐物语热销嘉兴私房粽子10只礼盒装6味大粽荤素搭配送礼可团购	39.9	110人付款	水果达人多吃水果有益健康	NaN

df.dropna(axis=0,subset=['发货地址'],inplace=True)

df[df['发货地址'].isna()]

	标题	价格	付款人数	店铺	发货地址

df[df['发货地址'].str.contains(r'杭州')]

	标题	价格	付款人数	店铺	发货地址
15	【百草味-经典龙腾粽1460g】蛋黄肉甜粽子特产嘉兴粽端午整箱礼盒	78	2372人付款	百草味旗舰店	浙江 杭州
26	知味观端午节粽子甜粽咸蛋黄大肉粽礼盒装嘉兴味鲜肉粽子散装团购	64.9	8.5万+人付款	知味观官方旗舰店	浙江 杭州
53	知味观龙飞粽舞端午节粽子礼盒装礼品嘉兴口味鲜肉粽子绿豆糕团购	88	1355人付款	知味观官方旗舰店	浙江 杭州
71	知味观风俗志端午节粽子礼盒装送礼蛋黄鲜肉粽甜粽绿豆糕礼品团购	158	1333人付款	知味观官方旗舰店	浙江 杭州
89	知味观粽子新鲜大肉粽手工嘉兴口味鲜肉粽子懒人食品散装早餐速食	52.9	7500+人付款	知味观官方旗舰店	浙江 杭州
...	...	...	...	...	...
4355	知味观粽乐乐粽子礼盒装大肉粽蛋黄鲜肉粽豆沙甜粽嘉兴口味团购	79.9	21人付款	杭州知味观	浙江 杭州
4364	网易严选五彩缠角粽 中国粽礼盒装 1.2千克 粽子蛋黄肉粽真空新鲜	109	3人付款	网易严选美食馆	浙江 杭州
4375	妙维根板栗净素粽糙米藜麦全素粽子无糖低卡低gi代餐无油低脂饱腹	11.99	42人付款	xutong2080	浙江 杭州
4376	东方贺礼端午节礼盒嘉兴粽子高汤蛋黄鲜大肉粽特产现已支持定制	45_	17人付款	缘来有礼	浙江 杭州
4397	知味观家乡知味粽子礼盒装端午节礼品杭州特产鸭蛋大礼包送礼福利	82	7人付款	韩丽丽92	浙江 杭州

180 rows × 5 columns

df[df['发货地址'].str.contains(r'杭州')].价格.astype('float').mean()

80.90088888888877

(2) 商品标题带有“嘉兴”但发货地却不在嘉兴的商品有多少条记录？

df[df['标题'].str.contains(r'嘉兴')&(~df['发货地址'].str.contains(r'嘉兴'))]

	标题	价格	付款人数	店铺	发货地址
3	稻香私房鲜肉粽蛋黄肉粽嘉兴粽子咸鸭蛋礼盒装端午节送礼特产团购	138	1936人付款	稻香村食品旗舰店	北京
6	五芳斋华礼竹篮礼盒1360g蛋粽组合端午礼品嘉兴粽子礼盒	159	1028人付款	天猫超市	上海
8	真真老老嘉情礼盒10粽6蛋1.52kg/盒嘉兴粽子端午节粽子礼盒装	109	2117人付款	天猫超市	上海
9	五芳斋嘉兴粽子新鲜量贩蛋黄肉粽豆沙粽悦喜散装端午特产600g*2袋	59.9	1349人付款	天猫超市	上海
10	真真老老粽子臻芯800g/盒*1端午节礼盒装嘉兴特产送礼	75	1815人付款	天猫超市	上海
...	...	...	...	...	...
4377	超港端午粽子肉粽蜜枣粽大肉棕子黄山特产礼盒新鲜嘉兴粽子肉粽	39.9	67人付款	超港旗舰店	安徽 黄山
4383	真真老老真情粽子咸蛋礼盒嘉兴特产肉粽豆沙甜枣粽端午节团购批发	79.9	10人付款	曈宝食品专营店	上海
4386	臻味德嘉兴粽子竹篮礼盒装农家手工蛋黄鲜肉棕甜粽端午节伴手礼品	49.08	2人付款	气泡西柚屋	浙江 温州
4393	傅太粽子10只蛋黄肉粽鲜肉粽嘉兴风味肉粽子即食早餐端午团购	60.2	46人付款	love侯氏	江西 萍乡
4401	【粉丝专享】端午节特产新鲜蛋黄鲜肉粽豆沙嘉兴粽子800g/箱	65.9	149人付款	chaoge1931	安徽 合肥

1032 rows × 5 columns

df[df['标题'].str.contains(r'嘉兴')&(~df['发货地址'].str.contains(r'嘉兴'))].count()

标题      1032
价格      1032
付款人数     984
店铺      1032
发货地址    1032
dtype: int64

(3) 请按照分位数将价格分为“高、较高、中、较低、低”5 个类别，再将 类别结果插入到标题一列之后，最后对类别列进行降序排序。

def is_number(x):
    try:
        float(x)
        return True
    except:
        return False
df[~df.价格.map(is_number)]
    

	标题	价格	付款人数	店铺	发货地址
538	五芳斋粽子蛋黄鲜肉粽豆沙粽栗子肉棕子新鲜散装批发团购嘉兴肉粽	45.9.	1.0万+人付款	五芳斋官方旗舰店	浙江 嘉兴
4376	东方贺礼端午节礼盒嘉兴粽子高汤蛋黄鲜大肉粽特产现已支持定制	45_	17人付款	缘来有礼	浙江 杭州

# df[~df.价格.map(is_number)].价格=[45.9,45]
df.loc[[538,4376],'价格'] = [45.9,45]

df[~df.价格.map(is_number)]

	标题	价格	付款人数	店铺	发货地址

df['价格']=df['价格'].astype('float')

df['类别'] = pd.qcut(df.价格,[0,0.2,0.4,0.6,0.8,1.],labels=['低','较低','中','较高','高'])

df.head()

	标题	价格	付款人数	店铺	发货地址	类别
0	五芳斋粽子礼盒 心悦+18只装咸鸭蛋组合端午节礼品团购嘉兴肉粽子	129.0	6人付款	五芳斋官方旗舰店	浙江 嘉兴	高
1	北京稻香村端午粽子手工豆沙粽220g*2袋散装豆沙粽香甜软糯豆沙粽	44.0	8人付款	天猫超市	上海	中
2	五芳斋粽子礼盒装鲜肉咸蛋黄大肉粽嘉兴豆沙甜粽端午团购散装礼品	89.9	100万+人付款	五芳斋官方旗舰店	浙江 嘉兴	较高
3	稻香私房鲜肉粽蛋黄肉粽嘉兴粽子咸鸭蛋礼盒装端午节送礼特产团购	138.0	1936人付款	稻香村食品旗舰店	北京	高
4	嘉兴粽子 蛋黄鲜肉粽新鲜大肉粽早餐散装团购浙江特产蜜枣多口味	3.8	9500+人付款	城城喂食猫	浙江 嘉兴	低

df.sort_values(by='类别',ascending=False)

	标题	价格	付款人数	店铺	发货地址	类别
0	五芳斋粽子礼盒 心悦+18只装咸鸭蛋组合端午节礼品团购嘉兴肉粽子	129.00	6人付款	五芳斋官方旗舰店	浙江 嘉兴	高
847	真真老老蛋黄肉粽140g*60个新鲜大肉粽冷冻方便早餐嘉兴粽子端午	168.00	139人付款	tb6182109_2012	上海	高
2773	山西双合成粽子端午节送礼御粽膳坊礼盒粽叶板栗豆沙黄米杂粮粽	129.00	33人付款	双合成旗舰店	山西 晋中	高
2768	采芝斋粽子甜粽新鲜蛋黄大肉粽嘉兴口味鲜肉粽子食品端午礼盒定制	216.00	47人付款	采芝斋杭州专卖店	浙江 杭州	高
2763	真真老老臻瑞礼盒1.12kg/盒端午节粽子礼盒装送130g经典鲜肉粽	126.00	2人付款	天猫超市	上海	高
...	...	...	...	...	...	...
3637	新鲜粽叶包粽子的叶子干粽子叶大号竹子叶竹叶苇叶皮大鲜粽叶干种	4.00	617人付款	海倪食品专营店	广东 广州	低
2129	嘉兴五芳斋粽子 真空100克*2只紫米栗蓉粽端午节甜粽子	11.00	2897人付款	五芳斋官方旗舰店	浙江 嘉兴	低
2130	三珍斋蛋黄粽200g真空100g*2只嘉兴特产粽子速食早餐	7.88	NaN	天猫会员店	上海	低
2131	俏香阁经典鲜肉粽子120g*2只端午节嘉兴特产速食早餐点心	5.90	NaN	天猫会员店	上海	低
2916	甜粽子蜜枣粽端午送人礼品豆沙粽红豆赤豆粽方便早餐素棕散装团购	21.90	230人付款	集采食品专营店	浙江 嘉兴	低

4400 rows × 6 columns

(4) 付款人数一栏有缺失值吗？若有则请利用上一问的分类结果对这些缺失 值进行合理估计并填充。

df[df.付款人数.isnull()].head()

	标题	价格	付款人数	店铺	发货地址	类别
183	五芳斋 140g*8只大粽子 福韵端午豆沙蜜枣蛋黄粽新包装送礼礼盒	50.9	NaN	天猫会员店	上海	中
243	五芳斋福雅五芳粽子礼盒端午咸甜粽子绿豆糕咸鸭蛋送礼	79.9	NaN	天猫会员店	上海	较高
347	【百草味】龙腾粽1090g 早餐大肉粽子湖州特产嘉兴粽	39.9	NaN	天猫会员店	上海	中
386	五芳斋华礼竹篮礼盒1360g蛋粽组合端午礼品嘉兴粽子礼盒	129.0	NaN	天猫会员店	上海	高
389	百草味 龙腾粽礼盒1460g 10只装早餐大肉粽子湖州特产嘉兴	49.9	NaN	天猫会员店	上海	中

s1=df[df.付款人数.notna()].付款人数

s1.astype('string')

0           6人付款
1           8人付款
2       100万+人付款
3        1936人付款
4       9500+人付款
          ...   
4398      347人付款
4399       80人付款
4400        5人付款
4401      149人付款
4402       20人付款
Name: 付款人数, Length: 4329, dtype: string

s12=s1[s1.str.contains(r'万')].str.extract(r'(\d+.?\d+?)万')
s12

	0
2	100
11	2.0
14	70
26	8.5
36	10
...	...
1333	1.0
1646	1.5
1756	7.0
3155	1.5
3468	2.0

65 rows × 1 columns

s12=s12.astype('float')*10000
s12.head()

	0
2	1000000.0
11	20000.0
14	700000.0
26	85000.0
36	100000.0

s13=s1[~s1.str.contains(r'万')].str.split('人付款',expand=True)[0].str.replace(r'\s+','').str.replace(r'+','').astype('int')
s13

0          6
1          8
3       1936
4       9500
5         17
        ... 
4398     347
4399      80
4400       5
4401     149
4402      20
Name: 0, Length: 4264, dtype: int32

len(s1)==len(s12)+len(s13)

True

s = pd.concat([s13,s12])
s.name = '付款人数'
s.head()

	0
0	6.0
1	8.0
3	1936.0
4	9500.0
5	17.0

df2=df[df.付款人数.notna()][['类别','付款人数']].copy()
df2.update(s) # 使用处理后的付款人数更新非缺失值
# df2.info()#sort_values(by='付款人数')#.iloc[s42.index,:]
df2

	类别	付款人数
0	高	6人付款
1	中	8人付款
2	较高	100万+人付款
3	高	1936人付款
4	低	9500+人付款
...	...	...
4398	低	347人付款
4399	较高	80人付款
4400	较高	5人付款
4401	较高	149人付款
4402	较高	20人付款

4329 rows × 2 columns

df2

	类别	付款人数
0	高	6人付款
1	中	8人付款
2	较高	100万+人付款
3	高	1936人付款
4	低	9500+人付款
...	...	...
4398	低	347人付款
4399	较高	80人付款
4400	较高	5人付款
4401	较高	149人付款
4402	较高	20人付款

4329 rows × 2 columns

# df2.付款人数.astype('float').sort_index().interpolate(limit_direction='both')