Pandas进一步实战

最新推荐文章于 2024-09-12 01:45:43 发布

奶油味小孩

最新推荐文章于 2024-09-12 01:45:43 发布

阅读量2.1k

点赞数 5

文章标签： python pandas 数据分析

原文链接：http://cookdata.cn/note/view_static_note/91a2b361b31944e04008fe96b8d9881e/

版权

酒品消耗数据初步探索

1. 数据源

在本案例中，我们将使用全球193个国家某年的各类酒品消耗数据。主要数据集变量如下：

变量名称	含义说明
country	国家
beer_servings	啤酒消耗量
spirit_servings	烈酒消耗量
wine_servings	红酒消耗量
total_litres_of_pure_alcohol	总酒精消耗量
continent	所在大洲

2. 数据预处理

2.1 导入数据

import numpy as np
import pandas as pd

本次数据文件为txt格式，我们使用read_table读取。

drink = pd.read_table("./input/drinks.txt")
drink.head()

在这里插入图片描述

使用默认的参数进行读取出现了问题，可以看到，数据的分隔符应设定为"|"，我们设置分隔符参数sep为"|"。

drink = pd.read_table("./input/drinks.txt",sep="|")

使用head查看数据前几行，参数n可以指定行数。查看数据前十行。

drink.head(n=10)

在这里插入图片描述

tail可以查看数据最后几行，同样可以通过参数n指定行数。查看数据最后五行。

drink.tail(n=5)

在这里插入图片描述

2.2 数据类型与数据筛选

2.2.1使用dtypes查看数据类型

我们可以使用dtypes查看数据中各变量类型。

drink.dtypes

country object
beer_servings float64
spirit_servings float64
wine_servings float64
total_litres_of_pure_alcohol float64
continent object
dtype: object

dtypes的返回值是一个Series，我们可以使用isinstance进行确认，isinstance函数用来判断一个对象是否是一个已知的类型。

isinstance(drink.dtypes,pd.Series)

True

2.2.2使用astype修改数据类型

如果我们想更改某些变量的数据类型，可以使用astype方法。例如，我们将float类型的啤酒消耗量改为object类型。

drink.beer_servings.astype('object')[:5]
0      0

1 89
2 25
3 245
4 217
Name: beer_servings, dtype: object

2.2.3使用select_dtypes查看特定数据类型的数据

有时，数据中的变量很多，我们只想查看特定类型的变量情况，我们应使用select_dtypes。可以通过include参数或exclude参数选择要包含的数据类型或要剔除的数据类型。例如，我们只查看数据中的浮点型数据。

drink.select_dtypes(include=['float64']).head()

在这里插入图片描述

2.3 数据基本情况

2.3.1使用rename修改列名

中间的几个列名比较复杂，我们使用rename对其进行简化。
在参数中，我们设定了inplace参数为True，这将不创建新的对象，直接对原始对象进行修改，这一参数在许多DataFrame的方法中都有，后文中我们还会多次见到。

drink.rename(columns={'beer_servings':'beer','spirit_servings':'spirit','wine_servings':'wine','total_litres_of_pure_alcohol':'pure_alcohol'},inplace=True)
drink.columns

Index([‘country’, ‘beer’, ‘spirit’, ‘wine’, ‘pure_alcohol’, ‘continent’], dtype=‘object’)

2.3.2使用info初步查看数据类型和大小

使用info方法初步查看数据的变量类型、缺失值情况、占用空间大小。

drink.info()

<class ‘pandas.core.frame.DataFrame’>
RangeIndex: 193 entries, 0 to 192
Data columns (total 6 columns):
country 193 non-null object
beer 190 non-null float64
spirit 190 non-null float64
wine 190 non-null float64
pure_alcohol 193 non-null float64
continent 170 non-null object
dtypes: float64(4), object(2)
memory usage: 9.1+ KB
这里我们使用了info的默认参数设置，但若变量数很多，我们也可以设置一些参数来简化输出。例如：如果不关心数据中的缺失值情况，可以设置null_counts参数为False。

drink.info(null_counts=False)

<class ‘pandas.core.frame.DataFrame’>
RangeIndex: 193 entries, 0 to 192
Data columns (total 6 columns):
country object
beer float64
spirit float64
wine float64
pure_alcohol float64
continent object
dtypes: float64(4), object(2)
memory usage: 9.1+ KB
如果不想具体看每一个变量的情况，可以设置verbose参数为False。

drink.info(verbose=False)

<class ‘pandas.core.frame.DataFrame’>
RangeIndex: 193 entries, 0 to 192
Columns: 6 entries, country to continent
dtypes: float64(4), object(2)
memory usage: 9.1+ KB
我们看到info返回结果的开头行可能会误以为info的返回也是一个数据框。但事实上，info方法是直接print出各种汇总结果的，其没有返回值。我们可以通过type函数查看返回的类型。

type(drink.info())

<class ‘pandas.core.frame.DataFrame’>
RangeIndex: 193 entries, 0 to 192
Data columns (total 6 columns):
country 193 non-null object
beer 190 non-null float64
spirit 190 non-null float64
wine 190 non-null float64
pure_alcohol 193 non-null float64
continent 170 non-null object
dtypes: float64(4), object(2)
memory usage: 9.1+ KB
NoneType
可以看到，返回的类型为NoneType，这就说明返回为None。

2.3.3使用describe查看数据数值统计情况

describe也是一种常用的数据基本描述方法。

drink.describe()

在这里插入图片描述

我们也可以通过调整percentile参数来获得需要的百分位数。

drink.describe(percentiles=[0.05,0.95])

在这里插入图片描述

describe默认只汇总统计所有连续型变量的情况。如果我们想查看特定类别的列或者排除部分列的结果，可以设定参数include或exclude。
例如我们想查看除了数值类型以外的其他类型变量的情况。

drink.describe(exclude=np.number)

在这里插入图片描述

值得一提的是，describe返回的对象其实仍然是一个数据框，因此我们可以很轻松的提取需要的汇总统计量。

type(drink.describe())
pandas.core.frame.DataFrame
des = drink.describe(include="all")
des

des.loc['mean','beer']

107.83684210526316
这等价于：

drink.beer.mean()

107.83684210526316

2.4 缺失值处理

下面我们来对数据中的缺失值进行处理。通过前面的的汇总统计我们看到，beer、spirit和wine三个变量中都存在少量缺失值，continent中存在较多缺失。我们将数据中含有缺失值的行提取出来。

首先，我们使用isnull。isnull会对数据框中的每一个元素进行缺失值检查，是缺失值为True，不是为False，最终返回一个数据框。

miss = drink.isnull()
miss.head(6)

country beer spirit wine pure_alcohol continent
0 False False False False False False
1 False False False False False False
2 False False False False False False
3 False False False False False False
4 False False False False False False
5 False False False False False True
下面我们要找到存在缺失值的行，我们可以使用any，并设定axis参数为1。则当每一行中存在True时，就返回True
注：如果我们想找到所有列都为缺失值的行，就可以使用all方法。

miss.any(axis=1)

0 False
1 False
2 False
3 False
4 False
5 True
6 False
7 False
8 False
9 False
10 False
11 True
12 False
13 False
14 True
15 False
16 False
17 True
18 False
19 False
20 False
21 False
22 False
23 False
24 False
25 False
26 False
27 False
28 False
29 False
…
163 False
164 False
165 False
166 False
167 False
168 False
169 False
170 False
171 False
172 False
173 False
174 True
175 False
176 False
177 False
178 False
179 False
180 False
181 False
182 False
183 False
184 True
185 False
186 False
187 False
188 False
189 False
190 False
191 False
192 False
Length: 193, dtype: bool
这样，我们就获得了列中含有缺失值的行的布尔型索引。我们将这部分数据单独查看一下：

drink[miss.any(axis=1)]

country beer spirit wine pure_alcohol continent
5 Antigua & Barbuda 102.0 128.0 45.0 4.9 NaN
11 Bahamas 122.0 176.0 51.0 6.3 NaN
14 Barbados 143.0 173.0 36.0 6.3 NaN
17 Belize 263.0 114.0 8.0 6.8 NaN
32 Canada 240.0 122.0 100.0 8.2 NaN
41 Costa Rica 149.0 87.0 11.0 4.4 NaN
43 Cuba 93.0 137.0 5.0 4.2 NaN
50 Dominica 52.0 286.0 26.0 6.6 NaN
51 Dominican Republic 193.0 147.0 9.0 6.2 NaN
54 El Salvador 52.0 69.0 2.0 2.2 NaN
68 Grenada 199.0 438.0 28.0 11.9 NaN
69 Guatemala 53.0 69.0 2.0 2.2 NaN
73 Haiti 1.0 326.0 1.0 5.9 NaN
74 Honduras 69.0 98.0 2.0 3.0 NaN
79 Iran NaN NaN NaN 0.0 AS
84 Jamaica 82.0 97.0 9.0 3.4 NaN
97 Libya NaN NaN NaN 0.0 AF
109 Mexico 238.0 68.0 5.0 5.5 NaN
122 Nicaragua 78.0 118.0 1.0 3.5 NaN
130 Panama 285.0 104.0 18.0 7.2 NaN
143 St. Kitts & Nevis 194.0 205.0 32.0 7.7 NaN
144 St. Lucia 171.0 315.0 71.0 10.1 NaN
145 St. Vincent & the Grenadines 120.0 221.0 11.0 6.3 NaN
147 San Marino NaN NaN NaN 0.0 EU
174 Trinidad & Tobago 197.0 156.0 7.0 6.4 NaN
184 USA 249.0 158.0 84.0 8.7 NaN
可以看到，continent为缺失值的都是北美洲国家，进一步查看原始数据可以发现，其实是因为北美洲的缩写为NA，在读入时被默认为了缺失值。我们对这部分值进行填充。(这提醒我们一定要对缺失原因进行查找，不然可能因此损失有效数据)

设定参数value指定缺失值的填充值为’NA’,设定inplace参数对原始数据进行修改。

drink.continent.fillna(value=‘NA’, inplace=True)
beer、spirit和wine数据缺失的情况都发生在同一国家，我们将这三条数据直接删除。

dropna默认会将任意列含有缺失值的行都删除。

drink.dropna(inplace=True)
drink.info()

<class ‘pandas.core.frame.DataFrame’>
Int64Index: 190 entries, 0 to 192
Data columns (total 6 columns):
country 190 non-null object
beer 190 non-null float64
spirit 190 non-null float64
wine 190 non-null float64
pure_alcohol 190 non-null float64
continent 190 non-null object
dtypes: float64(4), object(2)
memory usage: 10.4+ KB
现在，我们得到了190个国家的完整数据。

2.5 索引调整方法

2.5.1使用index可以查看数据的索引

drink.index

Int64Index([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9,
…
183, 184, 185, 186, 187, 188, 189, 190, 191, 192],
dtype=‘int64’, length=190)

2.5.2使用reindex修改索引

可以使用reindex修改索引。例如，我们修改索引为0至189的整数。

drink.reindex(range(0,190))

country beer spirit wine pure_alcohol continent
0 Afghanistan 0.0 0.0 0.0 0.0 AS
1 Albania 89.0 132.0 54.0 4.9 EU
2 Algeria 25.0 0.0 14.0 0.7 AF
3 Andorra 245.0 138.0 312.0 12.4 EU
4 Angola 217.0 57.0 45.0 5.9 AF
5 Antigua & Barbuda 102.0 128.0 45.0 4.9 NA
6 Argentina 193.0 25.0 221.0 8.3 SA
7 Armenia 21.0 179.0 11.0 3.8 EU
8 Australia 261.0 72.0 212.0 10.4 OC
9 Austria 279.0 75.0 191.0 9.7 EU
10 Azerbaijan 21.0 46.0 5.0 1.3 EU
11 Bahamas 122.0 176.0 51.0 6.3 NA
12 Bahrain 42.0 63.0 7.0 2.0 AS
13 Bangladesh 0.0 0.0 0.0 0.0 AS
14 Barbados 143.0 173.0 36.0 6.3 NA
15 Belarus 142.0 373.0 42.0 14.4 EU
16 Belgium 295.0 84.0 212.0 10.5 EU
17 Belize 263.0 114.0 8.0 6.8 NA
18 Benin 34.0 4.0 13.0 1.1 AF
19 Bhutan 23.0 0.0 0.0 0.4 AS
20 Bolivia 167.0 41.0 8.0 3.8 SA
21 Bosnia-Herzegovina 76.0 173.0 8.0 4.6 EU
22 Botswana 173.0 35.0 35.0 5.4 AF
23 Brazil 245.0 145.0 16.0 7.2 SA
24 Brunei 31.0 2.0 1.0 0.6 AS
25 Bulgaria 231.0 252.0 94.0 10.3 EU
26 Burkina Faso 25.0 7.0 7.0 4.3 AF
27 Burundi 88.0 0.0 0.0 6.3 AF
28 Cote d’Ivoire 37.0 1.0 7.0 4.0 AF
29 Cabo Verde 144.0 56.0 16.0 4.0 AF
… … … … … … …
160 Spain 284.0 157.0 112.0 10.0 EU
161 Sri Lanka 16.0 104.0 0.0 2.2 AS
162 Sudan 8.0 13.0 0.0 1.7 AF
163 Suriname 128.0 178.0 7.0 5.6 SA
164 Swaziland 90.0 2.0 2.0 4.7 AF
165 Sweden 152.0 60.0 186.0 7.2 EU
166 Switzerland 185.0 100.0 280.0 10.2 EU
167 Syria 5.0 35.0 16.0 1.0 AS
168 Tajikistan 2.0 15.0 0.0 0.3 AS
169 Thailand 99.0 258.0 1.0 6.4 AS
170 Macedonia 106.0 27.0 86.0 3.9 EU
171 Timor-Leste 1.0 1.0 4.0 0.1 AS
172 Togo 36.0 2.0 19.0 1.3 AF
173 Tonga 36.0 21.0 5.0 1.1 OC
174 Trinidad & Tobago 197.0 156.0 7.0 6.4 NA
175 Tunisia 51.0 3.0 20.0 1.3 AF
176 Turkey 51.0 22.0 7.0 1.4 AS
177 Turkmenistan 19.0 71.0 32.0 2.2 AS
178 Tuvalu 6.0 41.0 9.0 1.0 OC
179 Uganda 45.0 9.0 0.0 8.3 AF
180 Ukraine 206.0 237.0 45.0 8.9 EU
181 United Arab Emirates 16.0 135.0 5.0 2.8 AS
182 United Kingdom 219.0 126.0 195.0 10.4 EU
183 Tanzania 36.0 6.0 1.0 5.7 AF
184 USA 249.0 158.0 84.0 8.7 NA
185 Uruguay 115.0 35.0 220.0 6.6 SA
186 Uzbekistan 25.0 101.0 8.0 2.4 AS
187 Vanuatu 21.0 18.0 11.0 0.9 OC
188 Venezuela 333.0 100.0 3.0 7.7 SA
189 Vietnam 111.0 2.0 1.0 2.0 AS
190 rows × 6 columns

reindex也可以用来调整列的顺序，这时需要设定axis参数为’columns’或1

drink.reindex(['beer','spirit','wine','pure_alcohol','country','continent'],axis="columns").head()

beer spirit wine pure_alcohol country continent
0 0.0 0.0 0.0 0.0 Afghanistan AS
1 89.0 132.0 54.0 4.9 Albania EU
2 25.0 0.0 14.0 0.7 Algeria AF
3 245.0 138.0 312.0 12.4 Andorra EU
4 217.0 57.0 45.0 5.9 Angola AF

2.5.3使用set_index修改索引

set_index也是修改索引的一种方法，与reindex不同的是，set_index需指定DataFrame中存在的某一列或某几列设定为索引。例如，我们修改索引为’continent’。

drink.set_index('continent')[:5]

country beer spirit wine pure_alcohol
continent
AS Afghanistan 0.0 0.0 0.0 0.0
EU Albania 89.0 132.0 54.0 4.9
AF Algeria 25.0 0.0 14.0 0.7
EU Andorra 245.0 138.0 312.0 12.4
AF Angola 217.0 57.0 45.0 5.9
这里会默认将指定为索引的列删除，若我们仍想在数据中保留该列，应设定参数drop为False。

drink.set_index('continent',drop=False)[:5]

country beer spirit wine pure_alcohol continent
continent
AS Afghanistan 0.0 0.0 0.0 0.0 AS
EU Albania 89.0 132.0 54.0 4.9 EU
AF Algeria 25.0 0.0 14.0 0.7 AF
EU Andorra 245.0 138.0 312.0 12.4 EU
AF Angola 217.0 57.0 45.0 5.9 AF
若我们想在原来的索引基础上添加新的变量构成层次化索引，应设定append参数为True。

drink.set_index('continent',append=True)[:5]

country beer spirit wine pure_alcohol
continent
0 AS Afghanistan 0.0 0.0 0.0 0.0
1 EU Albania 89.0 132.0 54.0 4.9
2 AF Algeria 25.0 0.0 14.0 0.7
3 EU Andorra 245.0 138.0 312.0 12.4
4 AF Angola 217.0 57.0 45.0 5.9
也可以直接指定一组变量设定层次化索引。

drink2 = drink.set_index(['country','continent'])
drink2.head()

在这里插入图片描述

2.5.4使用swaplevel和reorder_levels调整索引顺序

若要调整层次化索引的顺序，可以使用swaplevel。

drink2.swaplevel()[:5]

beer spirit wine pure_alcohol
continent country
AS Afghanistan 0.0 0.0 0.0 0.0
EU Albania 89.0 132.0 54.0 4.9
AF Algeria 25.0 0.0 14.0 0.7
EU Andorra 245.0 138.0 312.0 12.4
AF Angola 217.0 57.0 45.0 5.9
swaplevel一次只能交换两层索引的顺序，当数据索引多于两层时，需要指定交换的层。我们构建一个小数据来看一下。

idx = pd.MultiIndex.from_arrays([['a1','a1','a2'],['b1','b2','b2'],['c1','c1','c2'],['d1','d1','d1']])
df = pd.DataFrame([[1,1,1],[2,2,2],[3,3,3]],index=idx)
df

0 1 2
a1 b1 c1 d1 1 1 1
b2 c1 d1 2 2 2
a2 b2 c2 d1 3 3 3
我们记现在的索引顺序为a,b,c,d；若我们想改成c,b,a,d，则交换第一层和第三层索引的顺序即可。

df.swaplevel(0,2)

0 1 2
c1 b1 a1 d1 1 1 1
b2 a1 d1 2 2 2
c2 b2 a2 d1 3 3 3
但若我们想改为c,d,a,b，则需要交换两次才可以。

df.swaplevel(0,2).swaplevel(1,3)

0 1 2
c1 d1 a1 b1 1 1 1
b2 2 2 2
c2 d1 a2 b2 3 3 3
处理这种多层次索引时，使用reorder_levels会更方便，它可以直接指定所有索引的顺序。还是将原来的顺序改为c,d,a,b。

df.reorder_levels([2,3,0,1])

0 1 2
c1 d1 a1 b1 1 1 1
b2 2 2 2
c2 d1 a2 b2 3 3 3

2.6 相关性计算

我们通过corr来计算各变量的相关系数。

drink.loc[:,['beer','spirit','wine']].corr()
drink.loc[:,['beer','spirit','wine']].corr()

beer spirit wine
beer 1.000000 0.450484 0.523014
spirit 0.450484 1.000000 0.187589
wine 0.523014 0.187589 1.000000
可以看到，三类酒的消耗量都呈正相关。其中，啤酒与红酒最相关，相关系数为0.523；啤酒与烈酒也较相关，相关系数为0.450。corr默认计算的是Pearson相关系数，我们可以通过设定corr的参数method来计算其他的相关系数。

drink.loc[:,['beer','spirit','wine']].corr(method="spearman")

beer spirit wine
beer 1.000000 0.604221 0.704716
spirit 0.604221 1.000000 0.536344
wine 0.704716 0.536344 1.000000
与默认的Pearson相关系数相比，三类酒的Spearman相关系数更大。这主要是因为Pearson相关系数是基于样本的协方差与方差计算，更适用于大样本或正态分布数据。而观察前文describe的结果我们可以看到本次数据是比较右偏的，不符合正态分布的假设条件。而Spearman秩相关系数是基于数据排序进行计算，对数据的分布没有要求，此时更适合。

2.7 多条件筛选

我们查找啤酒、烈酒和红酒的消耗量都高于相应酒种消耗量75%分位数的国家。

alcohol=drink.loc[(drink.beer>des.loc['75%','beer'])&(drink.wine>des.loc['75%','wine'])&(drink.spirit>des.loc['75%','spirit'])]
alcohol

country beer spirit wine pure_alcohol continent
3 Andorra 245.0 138.0 312.0 12.4 EU
25 Bulgaria 231.0 252.0 94.0 10.3 EU
44 Cyprus 192.0 154.0 113.0 8.2 EU
45 Czech Republic 361.0 170.0 134.0 11.8 EU
60 Finland 263.0 133.0 97.0 10.0 EU
75 Hungary 234.0 215.0 185.0 11.3 EU
93 Latvia 281.0 216.0 62.0 10.5 EU
99 Luxembourg 236.0 133.0 271.0 11.4 EU
141 Russian Federation 247.0 326.0 73.0 11.5 AS
151 Serbia 283.0 131.0 127.0 9.6 EU
155 Slovakia 196.0 293.0 116.0 11.4 EU
160 Spain 284.0 157.0 112.0 10.0 EU
184 USA 249.0 158.0 84.0 8.7 NA

alcohol.continent.value_counts()

EU 11
AS 1
NA 1
Name: continent, dtype: int64
可以看到，在三种酒类消耗量都高于75%分位数的13个国家中，竟然有11个都是欧洲国家，而唯一上榜的亚洲国家是俄罗斯（其实也可以算作是欧洲国家）。

这里要注意，三个判别式(drink.xx>des.loc[xx,xx])两端的括号不能省略。例如，如下的代码将会报错：

alcohol=drink.loc[drink.beer>des.loc['75%','beer'] & drink.wine>des.loc['75%','wine']]

TypeError Traceback (most recent call last)
/explorer/pyenv/jupyter-py36/lib/python3.6/site-packages/pandas/core/ops.py in na_op(x, y)
1303 try:
-> 1304 result = op(x, y)
1305 except TypeError:

/explorer/pyenv/jupyter-py36/lib/python3.6/site-packages/pandas/core/ops.py in rand_(left, right)
148 def rand_(left, right):
–> 149 return operator.and_(right, left)
150

TypeError: ufunc ‘bitwise_and’ not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ‘‘safe’’

During handling of the above exception, another exception occurred:

ValueError Traceback (most recent call last)
/explorer/pyenv/jupyter-py36/lib/python3.6/site-packages/pandas/core/ops.py in na_op(x, y)
1320 try:
-> 1321 result = libops.scalar_binop(x, y, op)
1322 except:

pandas/_libs/ops.pyx in pandas._libs.ops.scalar_binop()

ValueError: Buffer dtype mismatch, expected ‘Python object’ but got ‘double’

During handling of the above exception, another exception occurred:

TypeError Traceback (most recent call last)
in ()
----> 1 alcohol=drink.loc[drink.beer>des.loc[‘75%’,‘beer’] & drink.wine>des.loc[‘75%’,‘wine’]]

/explorer/pyenv/jupyter-py36/lib/python3.6/site-packages/pandas/core/ops.py in wrapper(self, other)
1358 is_integer_dtype(np.asarray(other)) else fill_bool)
1359
-> 1360 res_values = na_op(self.values, other)
1361 unfilled = self._constructor(res_values, index=self.index)
1362 return filler(unfilled).finalize(self)

/explorer/pyenv/jupyter-py36/lib/python3.6/site-packages/pandas/core/ops.py in na_op(x, y)
1324 “with a scalar of type [{typ}]”
1325 .format(dtype=x.dtype,
-> 1326 typ=type(y).name))
1327
1328 return result

TypeError: cannot compare a dtyped [float64] array with a scalar of type [bool]

这是因为"&“运算符的等级是要高于”>“的，而我们的实际运算应该是先进行”>“运算再进行”&“运算。同理，”|"，"<","=="等运算时也应该注意这个问题。

2.8 不同洲的饮酒情况对比

为方便筛选，我们设定continent为新的索引。

drink.set_index(keys=["continent"],inplace=True)
drink.head()

提取出各大洲名称。

continent = drink.index.unique()
continent

Index([‘AS’, ‘EU’, ‘AF’, ‘NA’, ‘SA’, ‘OC’], dtype=‘object’, name=‘continent’)
使用values方法将sum返回值转换为数组。

summarize = drink.loc['AS',['beer','spirit','wine']].sum().values
summarize

array([1630., 2677., 399.])
循环计算，使用vstack对结果进行叠加，并将结果转化为数据框。

for name in continent[1:]:
    summarize = np.vstack((summarize,drink.loc[name,['beer','spirit','wine']].sum().values))
summarize = pd.DataFrame(data=summarize,columns=['beer','spirit','wine'],index=continent)
summarize

beer spirit wine
continent
AS 1630.0 2677.0 399.0
EU 8720.0 5965.0 6400.0
AF 3258.0 866.0 862.0
NA 3345.0 3812.0 564.0
SA 2101.0 1377.0 749.0
OC 1435.0 935.0 570.0
不出所料，欧洲的三类酒的总消耗量都是最高的。特别是红酒消耗量，比其他五个大洲之和还要多。

下面我们计算各类酒占各大洲总消耗量的比重，来看看各大洲对不同酒类的喜好。
首先按列求和，计算各大洲的总消耗量。

summarize.sum(axis=1)

continent
AS 4706.0
EU 21085.0
AF 4986.0
NA 7721.0
SA 4227.0
OC 2940.0
dtype: float64
按行相除，Pandas会将6×16×1的总消耗量广播为6×36×3，再各元素对应相除。

summarize.div(summarize.sum(axis=1),axis=0)

beer spirit wine
continent
AS 0.346366 0.568848 0.084785
EU 0.413564 0.282903 0.303533
AF 0.653430 0.173686 0.172884
NA 0.433234 0.493718 0.073048
SA 0.497043 0.325763 0.177194
OC 0.488095 0.318027 0.193878
可以看到，亚洲和北美洲更喜欢烈酒，其他四个大洲都更喜欢啤酒。相比之下，红酒在各个州的消耗占比都较低。

注意，上面我们使用div并设定参数axis为0；如果直接使用"/"进行运算是不行的：

summarize/summarize.sum(axis=1)

AF AS EU NA OC SA beer spirit wine
continent
AS NaN NaN NaN NaN NaN NaN NaN NaN NaN
EU NaN NaN NaN NaN NaN NaN NaN NaN NaN
AF NaN NaN NaN NaN NaN NaN NaN NaN NaN
NA NaN NaN NaN NaN NaN NaN NaN NaN NaN
SA NaN NaN NaN NaN NaN NaN NaN NaN NaN
OC NaN NaN NaN NaN NaN NaN NaN NaN NaN
这是因为"/“默认的是按列相除，如果我们想使用”/"进行运算，就需要先将summarize进行转置：

summarize.T/summarize.sum(axis=1)

continent AS EU AF NA SA OC
beer 0.346366 0.413564 0.653430 0.433234 0.497043 0.488095
spirit 0.568848 0.282903 0.173686 0.493718 0.325763 0.318027
wine 0.084785 0.303533 0.172884 0.073048 0.177194 0.193878