python练习——探索 Chipotle 快餐数据

1. 将数据集存入一个名为 chipo 的数据框内 

import pandas as pd
chipo = pd.read_csv('chipotle.tsv',sep='\t')

知识点：

读取csv文件	data=pd.read_csv('a.csv')
读取txt文件	data = pd.read_table('a.txt'）
读取json文件	data=pd.read_json('a.json')
读取excel文件	data=pd.read_excel('a.xsl') data=pd.read_excel('a.xslx')

2. 查看前 10 行内容 
 

chipo.head(10)

3. 数据集中有多少个列(columns)？

chipo.columns.size
或者
chipo.shape[1]

4. 打印出全部的列名称 

chipo.columns
或者
chipo.keys()

5. 数据集的索引是怎样的？ 

chipo.index

6. 被下单数最多商品(item)是什么? 

chipo["item_name"].value_counts().head(1)#下单数最多的商品是Chicken Bowl

7. 在 item_name 这一列中，一共有多少种商品被下单？ 

len(chipo["item_name"].unique())#
或者
chipo["item_name"].nunique()

知识点：

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 

print("转换前的数据类型",chipo["item_price"].dtypes)
for i in range(len(chipo["item_price"])):
    chipo["item_price"][i]=chipo["item_price"][i].replace('$','')
chipo["item_price"]=chipo["item_price"].astype('float')
print("转换后的数据类型",chipo["item_price"].dtypes)

10. 在该数据集对应的时期内，收入(revenue)是多少？ 

chipo['sub_total'] = round(chipo['item_price'] * chipo['quantity'],2)#单价x数量
chipo['sub_total'].sum()

知识点：

round函数用于指定保留小数位数，返回四舍五入的结果

11. 在该数据集对应的时期内，一共有多少订单？ 

len(chipo["order_id"].unique())
或者
chipo["order_id"].nunique()

12. 每一单(order)对应的平均总价是多少

(chipo['quantity']*chipo['item_price']).sum()/chipo["order_id"].nunique()