◆?◆?◆ ?◆?◆

Pandas

Pandas無疑是Python中用于數據分析最好的第三方庫了。各種數據分析的日常應用場景下，我都會想Pandas能不能完成這個需求？會不會更簡單？！話不多說，今天分享兩個Pandas處理數據的小技巧。

按天統計不同類別商品銷量占比

工作中的小技巧（一），希望大家get起來~

日期	商品	銷售額	占比
2020-05-01	蘇菲	233
2020-05-01	岡本	303
2020-05-01	筋膜槍	296
2020-05-01	口紅	318
2020-05-02	蘇菲	106
2020-05-02	岡本	392
2020-05-02	筋膜槍	229
2020-05-02	口紅	162
2020-05-03	蘇菲	457
2020-05-03	岡本	109
2020-05-03	筋膜槍	281
2020-05-03	口紅	497
……
2020-05-14	蘇菲	111
2020-05-14	岡本	286
2020-05-14	筋膜槍	245
2020-05-14	口紅	215
2020-05-15	蘇菲	260
2020-05-15	岡本	226
2020-05-15	筋膜槍	324
2020-05-15	口紅	246

工作中，這種問題還是比較多的。通過分析比較每天不同商品的銷售額占比，再結合利潤率情況，就可以知道公司下一步應該主推什么才能盈利，哪些商品的占比應該提高或者降低。或者也可以反映出哪些種類的商品更賺錢，對公司盈利層面更有幫助。

#?Python coding >>>?df?=?pd.read_csv('./sales.csv') >>>?df.set_index('日期',inplace?=?True)>>> (100*df['銷售額']/df['銷售額'].sum(level = '日期')).round(2).map('{}%'.format)日期 2020-05-01 20.26% 2020-05-01 26.35% 2020-05-01 25.74% 2020-05-01 27.65% 2020-05-02 11.92% 2020-05-02 44.09% 2020-05-02 25.76% 2020-05-02 18.22% Name: 銷售額, dtype: object>>> df['占比'] = (100*df['銷售額']/df['銷售額'].sum(level = '日期')).round(2).map('{}%'.format) >>> df.head(8)

如果各位有關于SQL的寫法來解決此類問題，且比較簡單的解法，歡迎與我交流~還望不吝賜教！

Pandas實現group_concat功能

一般情況下，銷售表的生成方式都是產生記錄后，一條一條插入的。我們看到的表是一行一行的。但是，總有一些奇葩的需求，想把表橫過來看看。所謂的換個角度看世界，我依然很窮！

如何實現上述圖片的轉換過程呢？！看代碼吧~

>>> df.groupby('顧客').apply(lambda x:'-'.join(x['商品']))

感覺怪怪的！我是想說，這看起來沒有字段名，也不太好吧。變個魔術即可~

>>> df.groupby('顧客').apply(lambda x:'-'.join(x['商品'])).reset_index().rename({0:'商品'},axis=1) >>> df_gb = df.groupby('顧客').apply(lambda x:'-'.join(x['商品'])).reset_index().rename({0:'商品'},axis=1) >>>?df_gb

>>> df_gb['商品'].str.split('-',expand?=?True） >>>?df_gb[['商品1','商品2','商品3']]?=?df_gb['商品'].str.split('-',expand?=?True) >>> df_gb >>> df_gb.drop('商品',axis = 1,inplace = True) >>> df_gb

完成~

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯AI基礎下載（pdf更新到25集）機器學習的數學基礎專輯本站qq群1003271085，加入微信群請回復“加群”獲取一折本站知識星球優惠券，復制鏈接直接打開：https://t.zsxq.com/yFQV7am喜歡文章，點個在看

總結

以上是生活随笔為你收集整理的记录Pandas处理数据的两个小技巧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。