pandas中的groupby方法应用

★

本次主要学习如何使用pandas对数据进行分析统计，特别是groupby
函数的使用，进行分组统计。

”

本次项目主要总结如下知识点:

• 生成特定文件夹存放数据和目录
• groupby
  方法的使用
• 函数参数的传递

将文件保存在特定的文件夹下

在数据分析的过程中，会生成新的数据和图表，为了将产生的图表放置在相同的目录下，需要生成一个新的文件夹，具体的代码操作如下:

import os
data_path = '.'
output_path = './output'
如果没有的话，需要新建一个文件夹
if not os.path.exits(output_path):
    os.makedirs(output_path)


改段代码表示：如果不存在当前目录output_path
就会生成一个当前目录output_path = './output'

灵活运用groupby

groupby
是pandas
中的一种数据统计方法，该方法的基本思想如下：

• 分割步骤将DataFrame按照指定的键分割成若干组
• 应用步骤对每个组应用函数，通常是累积、转换或过滤函数
• 组合步骤

基本步骤如下：

举一个简单的应用例子：我们要查看某家咖啡店销量的产品，如Classic Espresso Drinks, Frappuccino® Blended Coffee, Frappuccino® Light Blended Coffee等产品的总的品类，然后求每一款茶品的平均热量。例如Coffee有四款茶品，每一种茶品有一个卡路里热量值，我们需要求Coffee这款饮品的热量值。这时groupby
方法能够发挥作用。具体的代码如下:

import pandas as pd

data_path = './coffee_menu.csv'
df = pd.read_csv(data_path,sep = ',',encoding = 'utf-8')
#print(df.head())

Beverage_calories_mean = df.groupby("Beverage_category")["Calories"].mean()
Beverage_calories_total = df.groupby("Beverage_category")["Calories"].count()

print(Beverage_calories_total)
print(Beverage_calories_mean)


输出的结果为：

Beverage_category
Classic Espresso Drinks              58
Coffee                                4
Frappuccino® Blended Coffee          36
Frappuccino® Blended Crème           13
Frappuccino® Light Blended Coffee    12
Shaken Iced Beverages                18
Signature Espresso Drinks            40
Smoothies                             9
Tazo® Tea Drinks                     52
Name: Calories, dtype: int64
      
Beverage_category
Classic Espresso Drinks              140.172414
Coffee                                 4.250000
Frappuccino® Blended Coffee          276.944444
Frappuccino® Blended Crème           233.076923
Frappuccino® Light Blended Coffee    162.500000
Shaken Iced Beverages                114.444444
Signature Espresso Drinks            250.000000
Smoothies                            282.222222
Tazo® Tea Drinks                     177.307692
Name: Calories, dtype: float64


我们理清了整体关键步骤之后，我们需要保存相关数据和图片：完整的代码如下:

import pandas as pd
import os
import matplotlib.pyply as plt

"""
分析：总的饮品数据和饮品的平均热量
"""
data_path = './coffee_menu.csv'
output_path = './output_002'

if not os.path.exists(output_path):
    os.makedirs(output_path)
    
def collect_data():
    df = pd.read_csv(data_path,sep = ',',encoding = 'utf-8')
    return df


def analyse_data(df):
    bervage_categories__total = df.groupby("Beverage_category")["Calories"].count()
    beverage_categories_calories_mean = df.groupby("Beverage_category")["Calories"].mean()
    return bervage_categories__total,beverage_categories_calories_mean


def save_and_show_data(bervage_categories_total,beverage_categories_calories_mean):
    #保存数据
    bervage_categories_total.to_csv(os.path.join(output_path,'total_categories.csv'))
    beverage_categories_calories_mean.to_csv(os.path.join(output_path,'mean_calories.csv'))
    
    #保存图表
    bervage_categories_total.plot(kind = 'bar')
    plt.title("total_beverage_categories")
    plt.tight_layout()
    plt.savefig(os.path.join(output_path,'total_berage_categories.png'))
    plt.show()


    beverage_categories_calories_mean.plot(kind='bar')
    plt.title("mean_beverage_calories")
    plt.tight_layout()
    plt.savefig(os.path.join(output_path, 'mean_bervage_calories.png'))
    plt.show()




def main():
    df = collect_data()

    bervage_categories_total,beverage_categories_calories_mean = analyse_data(df)

    save_and_show_data(bervage_categories_total,beverage_categories_calories_mean)

if __name__ == '__main__':
    main()


输出表格为:

项目总结:

1. 创建目录将生成图表单独存放
2. 熟练使用groupby
   方法
3. 处理的数据，传入函数的参数

(完)

★往期回顾

美国PM2.5污染变化图

用python绘制中国地区

项目学习(3)