团子和蛋糕的笔记

Appearance

数据排序：sort_values ​

python
# 降序：销售数量从多到少
df.sort_values('销售数量', ascending=False)

# 升序：单价从小到大（ascending=True 是默认值，可以不写）
df.sort_values('单价', ascending=True)
df.sort_values('单价')

# 多列排序：先按第一列，第一列的值相同时才按第二列
df.sort_values(['单价', '销售数量'], ascending=[True, False])

NOTE

多列排序就像 Excel 的"多级排序"：ascending 要传列表，和前面的列一一对应。上面这句的含义是"单价升序，单价相同再看销售数量降序"。

数据分组：groupby ​

分组操作就是把数据按照某个特征分成不同的组，然后对每个组分别进行统计计算。

python
df = pd.read_csv('data/sales.csv', nrows=20)
df['销售金额'] = df['单价'] * df['销售数量']

# 按"产品类别"分组，分别统计
df.groupby('产品类别')['订单号'].count()     # 各组的订单数量
df.groupby('产品类别')['销售数量'].sum()     # 各组的销售数量之和
df.groupby('产品类别')['销售金额'].sum()     # 各组的销售金额之和
df.groupby('产品类别')['单价'].min()         # 各组的最低单价
df.groupby('产品类别')['单价'].max()         # 各组的最高单价
df.groupby('产品类别')['单价'].mean()        # 各组的平均单价
聚合方法含义
count()统计数量
sum()求和
min() / max()最小值 / 最大值
mean()平均值

一次算多个指标：agg ​

python
# 对同一列做多种聚合
df.groupby('产品类别')['单价'].agg(['mean', 'max', 'min'])

# 不同列做不同聚合（推荐写法）：字典的键是列名，值是聚合方式
df.groupby('产品类别').agg({
    '销售数量': 'sum',
    '销售金额': 'sum',
    '单价': 'mean',
})

TIP

"分组 + 聚合"是数据分析里出结论最快的一招：df.groupby(按什么分)[看哪一列].(算什么)。比如"各产品类别的销售金额合计"，一行代码就出来了。

相关 ​

练习题 ​

一、知识回顾（读完直接做下面的实践题） ​

  1. 排序用 df.sort_values('列名', ascending=True)；升序是 True，降序是 False
  2. 多列排序：df.sort_values([列1, 列2], ascending=[True, False])，会先按第一列排，相同时才按第二列
  3. 分组用 df.groupby('列名')，作用是按某特征分成不同组后分别做统计计算
  4. 分组后统计数量用 count()、求和用 sum()、平均值用 mean()、最值用 min()/max()
  5. 一次算多个指标用 agg()：df.groupby('产品类别')['单价'].agg(['mean', 'max', 'min'])
  6. 不同列做不同聚合时，agg 里传字典：{'销售数量': 'sum', '单价': 'mean'}

二、裸写题 ​

数据：data/sales.csv

  • - 提示（先自己想，实在想不出再点开）

    一级 · 思路：单列排序传列名，多列排序传列表 + ascending 列表 二级 · 方法：sort_values('销售数量', ascending=False) / sort_values(['单价', '销售数量'], ascending=[True, False])三级 · 骨架：结果用 .head(5) 看前 5 行

    - 参考答案（做完再点开）

    python
    import pandas as pd

df = pd.read_csv('data/sales.csv')
df['销售金额'] = df['销售数量'] * df['单价']

# 2-1
print(df.sort_values('销售数量', ascending=False).head(5))
print(df.sort_values(['单价', '销售数量'], ascending=[True, False]).head(5))

  • - 提示（先自己想，实在想不出再点开）

    一级 · 思路：df.groupby(按什么分)[看哪一列].(算什么)二级 · 方法：df.groupby('产品类别')['订单号'].count() / ['销售数量'].sum()三级 · 骨架：先算出"销售金额"列再分组求和更有业务意义

    - 参考答案（做完再点开）

    python
    # 2-2
print(df.groupby('产品类别')['订单号'].count())
print(df.groupby('产品类别')['销售数量'].sum())

  • - 提示（先自己想，实在想不出再点开）

    一级 · 思路：同一列要多个指标 → 用 agg 传列表 二级 · 方法：df.groupby('产品类别')['单价'].agg(['mean', 'max', 'min'])三级 · 骨架：如果想再多一列"销售金额合计"，改用 agg 传字典

    - 参考答案（做完再点开）

    python
    # 2-3
print(df.groupby('产品类别')['单价'].agg(['mean', 'max', 'min']))

# 扩展：不同列不同聚合
print(df.groupby('产品类别').agg({'销售数量': 'sum', '销售金额': 'sum', '单价': 'mean'}))