Python kaggle数据事务分析

kaggle数据事务分析

部分答案

据我所知，您已经有了一个列

每日时间

和一个列

项目

因此，假设具有相同列的虚拟数据帧：

In[]: df = pd.DataFrame({'Time_Of_Day': ['breakfast', 'breakfast', 'breakfast', 'lunch', 'lunch', 'lunch'], 'item': ['coffee', 'coffee', 'bread', 'pastry', 'pastry', 'coffee']})
In[]: df
Out[]:
  Time_Of_Day    item
0   breakfast  coffee
1   breakfast  coffee
2   breakfast   bread
3       lunch  pastry
4       lunch  pastry
5       lunch  coffee

在这种情况下，groupby会让您非常接近：

In[]: counts = df.groupby(['Time_Of_Day', 'item']).size()
In[]: counts
Out[]:
Time_Of_Day  item  
breakfast    bread     1
             coffee    2
lunch        coffee    1
             pastry    2
dtype: int64

现在您有了一个层次索引。您可以通过以下方式获得早餐时出售的面包数量：

In[]: counts['breakfast']['bread']
Out[]: 1

您现在可以找到早餐期间售出的前10种商品，例如：

In[]: counts['breakfast'].sort_values(ascending=False)
Out[]: 
item
coffee    2
bread     1
Name: count, dtype: int64

但更有趣的是，您可以使用pandas

rank

函数计算一天中每个计数的排名：

In[]: output = pd.DataFrame({'counts': counts})
In[]: output.reset_index(inplace=True)
In[]: output['rank'] = output.groupby('Time_Of_Day')['counts'].rank(method='first')
In[]: output
Out[]:
  Time_Of_Day    item  counts  rank
0   breakfast   bread       1   1.0
1   breakfast  coffee       2   2.0
2       lunch  coffee       1   1.0
3       lunch  pastry       2   2.0

rank

列现在为您提供一天中同一时间内项目的位置。所以在这里，

面包

在

早餐

（排名第一）期间销售最多，

咖啡

在

午餐

期间销售最多

您可以按排名进行排序，以获得最畅销的商品：

In[]: output.sort_values(by='rank')
Out[]:
  Time_Of_Day    item  counts  rank
0   breakfast   bread       1   1.0
2       lunch  coffee       1   1.0
1   breakfast  coffee       2   2.0
3       lunch  pastry       2   2.0

---

如前所述，这是一个部分答案。我无法将其完全转换为您要求的格式。它需要一些数据帧索引的技巧。但我希望这已经有所帮助。

首先，请注意，您定义的时间范围并不涵盖整个域。其次，这里有一种方法可以做到这一点，而无需触及

pandas

，也无需将整个底层数据存储在内存中。根据口味调整输出的格式

导入heapq
导入系统
销售额={}
类别销售：
@静力学方法
定义每天的时间（tm）：
hr=int（tm.split（“：”）[0]）
如果hr在范围（6,11）内：
返回“早餐”
如果hr在范围（11,15）内：
返回“午餐”
如果hr在范围（15,20）内：
返回“晚餐”
返回“麦奇”
定义初始化（自身，行）：
dt，tm，txn，item=line.rstrip（）.split（“，”）
self.dt=dt
self.tm=tm
self.txn=txn
self.item=item.lower（）
self.time\u of_day=Sale.time\u of_day（self.tm）
def可跳过（项目）：
返回（项目=='adjustment'）或（项目=='none'）
def加载单元销售（fh）：
#箕斗式掘进机
fh.readline（）
销售额={
“早餐”：{}，
“午餐”：{}，
‘晚餐’：{}，
“麦奇”：{}，
}
对于fh中的线路：
销售=销售（行）
如果可跳过（销售项目）：
持续
项目=销售。项目
tod=每天的销售时间
销售[tod][item]=销售[tod]。获取（item，0）+1
退货
def main（）：
销售=加载\销售（系统标准）
sep=“==================================”
对于销售中的tod：
top10=heapq.nlargest（10，销售[tod].items（），key=lambda x:x[1]）
打印（tod）
印刷（九月）
打印（“\n”.join（列表（映射（lambda x:：\t）.join（[x[0]，str（x[1]）），top10）））
打印（sep，“\n\n”）
main（）

样本输出：

breakfast
====================
coffee: 1615
bread:  1081
pastry: 453
medialuna:      294
tea:    280
toast:  149
hot chocolate:  141
farm house:     132
cake:   131
cookies:        128
====================


lunch
====================
coffee: 2929
bread:  1683
tea:    773
sandwich:       620
cake:   566
pastry: 345
soup:   281
hot chocolate:  266
cookies:        255
medialuna:      247
====================


dinner
====================
coffee: 926
bread:  560
tea:    382
cake:   328
hot chocolate:  181
cookies:        157
alfajores:      128
sandwich:       109
brownie:        99
juice:  84
====================


munchies
====================
postcard:       7
vegan feast:    7
tshirt: 5
pintxos:        4
hot chocolate:  2
valentine's card:       2
dulce de leche: 1
fudge:  1
vegan mincepie: 1
coke:   1
====================

---

是的，为了获得所需的输出格式，当每个具有相同索引的组排名为0~9时，可能会使用set_index、unstack和swaplevel。非常感谢您的关注和帮助，先生。我想显示我已经添加了我编写的代码，如表中所示。好的，一旦您获得了所需的信息，您可以按任何方式打印它。但是，我要注意的是，您的显示器显示前10名中的“无”项，并将整数显示为浮点数。