程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
您现在的位置: 程式師世界 >> 編程語言 >  >> 更多編程語言 >> Python

拯救pandas計劃(20)——統計零售商店的每月訂單量

編輯:Python

拯救pandas計劃(20)——統計零售商店的每月訂單量

    • / 數據需求
    • / 需求處理
    • / 總結

最近發現周圍的很多小伙伴們都不太樂意使用pandas,轉而投向其他的數據操作庫,身為一個數據工作者,基本上是張口pandas,閉口pandas了,故而寫下此系列以讓更多的小伙伴們愛上pandas。

系列文章說明:

系列名(系列文章序號)——此次系列文章具體解決的需求

平台:

  • windows 10
  • python 3.8
  • pandas >=1.2.4

/ 數據需求

最近在看一本關於使用pandas進行數據處理的書,於2020年出版,其中有一段對在線零售商品的統計數據處理部分,每個訂單每個商品是單獨記錄,所以在只關心訂單時會發現有多個同樣的訂單號存在,此篇討論如何統計每月的訂單量。數據讀取如下:

import pandas as pd
df = pd.read_csv('Online_Retail.csv.zip', parse_dates=['InvoiceDate'])
df_new = df.dropna().copy()
# 拆出月份
df_new['YearMonth'] = df_new['InvoiceDate'].map(lambda x: 100 * x.year + x.month)

ps: 數據獲取方式:

github:
https://github.com/lk-itween/FunnyCodeRepository/raw/main/PandasSaved/data/Online_Retail.csv.zip

(406829, 9)

/ 需求處理

由於只關心訂單號,重復的訂單號會使數據統計不准確,需要將訂單號去重後再統計。

  • 方式一:書中使用unique後再統計。
df_new.groupby('InvoiceNo')['YearMonth'].unique().value_counts().sort_index()

pandas從2020年發展至今已更新多次,此前書中方法可能無法執行,如此處會產生如下報錯,原因為unique()執行後每行數據為列表類型,value_counts不能處理。

將代碼更改如下就可以完成需求。

df_new.groupby('InvoiceNo')['YearMonth'].unique().explode().value_counts().sort_index()

(手動水印:原創CSDN宿者朽命,https://blog.csdn.net/weixin_46281427?spm=1011.2124.3001.5343 ,公眾號A11Dot派)

  • 方式二:對groupby結果使用value_counts去重再統計。
df_new.groupby('InvoiceNo')['YearMonth'].value_counts().reset_index(name='count')['YearMonth'].value_counts().sort_index()

第一個value_counts的作用就是對YearMonth去重,需要的列名已作為索引,通過reset_index將索引重置為列數據,再對YearMonth進行value_counts統計每月的訂單量。

在同一台電腦上,這一方法比書中提到的方法要快,可能unique在處理上需要消耗一定時間,然而這種處理卻把思想弄復雜了,pandas去重處理可以直接使用drop_duplicates

  • 方式三:drop_duplicates去重後統計。
df_new[['InvoiceNo', 'YearMonth']].drop_duplicates()['YearMonth'].value_counts().sort_index()

對比前兩種方法,代碼簡短了不少,處理時間也減少了。

/ 總結

本篇通過引入書中例子,復現書中代碼,結合現有數據處理方法,逐步優化代碼處理方式,闡述各個方法的異同點,完成數據需求。源數據可通過文章開頭處獲取。

靜觀天色,曉聽風雨。


於二零二二年六月二十二日作


  1. 上一篇文章:
  2. 下一篇文章:
Copyright © 程式師世界 All Rights Reserved