26 比較咖啡店各類飲品的數量與熱量

weixin_33913332發表於2018-07-24
730751-c7366077816ee66b.png
image.png
730751-69a0103964ab25cf.png
image.png
730751-8551c8327c8c95a2.png
series資料的結構
730751-35582764082a65b3.png
dataframe
730751-34434735d0236277.png
分組操作

資料來源和格式

pandas 資料來源下載地址：https://video.mugglecode.com/data_pd

730751-4403b9004b74b210.png
image.png

本次分析只關心A和D列.

程式碼

import matplotlib.pyplot as plt
import pandas as pd
import os

#比較咖啡廳選單中各類飲品的熱量

file_path = '/Users/miraco/PycharmProjects/DataMining/data_pd/coffee_menu.csv'
outpath = './coffee_stat/ouptput'

#os.mkdir 與 os.makedirs 的差別在於 os.makedirs 會遞迴地去建立目錄，也就是說連同中繼的目錄也會一起建立
if not os.path.exists(outpath):
    os.makedirs(outpath)

def collect_data():
    data_df = pd.read_csv(file_path)  #這是二維陣列
    return data_df
def inspect_data(data_df):
    #資料有噪聲的時候，讀取為保險起見，會被讀取成obj型別
    print(f'資料一共有{data_df.shape[0]}行, {data_df.shape[1]}列')
    print('-----------------------------------------------------')
    print('資料預覽：')
    # 如果想看又怕太多，可以用data_df.head()，只顯示前幾行
    print(data_df.head())
    print('-----------------------------------------------------')
    print('資料的基本資訊：')
    # data_df.info()可以看資料型別，字串看成obj型別，數字會自動讀取成float或int
    print(data_df.info())
    print('-----------------------------------------------------')
    print('資料統計資訊')
    #均值、最大值、最小值啥的
    print(data_df.describe())
    print('-----------------------------------------------------')

def analyze_data(data_df):
    bever_cate_col = data_df['Beverage_category']  #這是series，一列，引用列名就行，


    bever_cates  = bever_cate_col.unique()  #一列資料去重，得到各唯一值
    print('飲品類別')
    print(bever_cates)
    print('-----------------------------------------------------')
    cate_grouped = data_df.groupby('Beverage_category')  #返回的是一種特殊的資料型別
    cate_count = cate_grouped['Calories'].count()
    cate_mean_cal = cate_grouped['Calories'].mean()


    return cate_count, cate_mean_cal


def save_and_show_results(cate_count,cate_mean_cal):
    cate_count.to_csv(os.path.join(outpath,'cate_count.csv'))
    cate_mean_cal.to_csv(os.path.join(outpath, 'cate_mean_cal.csv'))

    cate_count.plot(kind = 'bar')   #直接畫，無需重複呼叫figure
    plt.title('Category Count')
    plt.tight_layout()
    plt.savefig(os.path.join(outpath, 'category_count.png'))
    plt.show()

    cate_mean_cal.plot(kind = 'bar')
    plt.title('Category Average Cals')
    plt.tight_layout()
    plt.savefig(os.path.join(outpath, 'category_ave_cals.png'))
    plt.show()

def main():
    #資料獲取
    data_df = collect_data()

    #檢視資料資訊
    inspect_data(data_df)

    #分析
    cate_count, cate_mean_cal  = analyze_data(data_df)

    #結果展示
    save_and_show_results(cate_count, cate_mean_cal)

if __name__ == '__main__':
    main()

執行結果

資料一共有242行, 18列
-----------------------------------------------------
資料預覽：
         Beverage_category      ...      Caffeine (mg)
0                   Coffee      ...                175
1                   Coffee      ...                260
2                   Coffee      ...                330
3                   Coffee      ...                410
4  Classic Espresso Drinks      ...                 75

[5 rows x 18 columns]
-----------------------------------------------------
資料的基本資訊：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 242 entries, 0 to 241
Data columns (total 18 columns):
Beverage_category            242 non-null object
Beverage                     242 non-null object
Beverage_prep                242 non-null object
Calories                     242 non-null int64
 Total Fat (g)               242 non-null object
Trans Fat (g)                242 non-null float64
Saturated Fat (g)            242 non-null float64
 Sodium (mg)                 242 non-null int64
 Total Carbohydrates (g)     242 non-null int64
Cholesterol (mg)             242 non-null int64
 Dietary Fibre (g)           242 non-null int64
 Sugars (g)                  242 non-null int64
 Protein (g)                 242 non-null float64
Vitamin A (% DV)             242 non-null object
Vitamin C (% DV)             242 non-null object
 Calcium (% DV)              242 non-null object
Iron (% DV)                  242 non-null object
Caffeine (mg)                241 non-null object
dtypes: float64(3), int64(6), object(9)
memory usage: 34.1+ KB
None
-----------------------------------------------------
資料統計資訊
         Calories  Trans Fat (g)       ...         Sugars (g)   Protein (g) 
count  242.000000      242.000000      ...         242.000000     242.000000
mean   193.871901        1.307025      ...          32.962810       6.978512
std    102.863303        1.640259      ...          19.730199       4.871659
min      0.000000        0.000000      ...           0.000000       0.000000
25%    120.000000        0.100000      ...          18.000000       3.000000
50%    185.000000        0.500000      ...          32.000000       6.000000
75%    260.000000        2.000000      ...          43.750000      10.000000
max    510.000000        9.000000      ...          84.000000      20.000000

[8 rows x 9 columns]
-----------------------------------------------------
飲品類別
['Coffee' 'Classic Espresso Drinks' 'Signature Espresso Drinks'
 'Tazo® Tea Drinks' 'Shaken Iced Beverages' 'Smoothies'
 'Frappuccino® Blended Coffee' 'Frappuccino® Light Blended Coffee'
 'Frappuccino® Blended Crème']
-----------------------------------------------------
730751-9de89bfb5873fa33.png
這個竟然會自動配色

練習

使用柱狀圖視覺化 PM2.5數值

  • 題目要求:

  • 使用Pandas檢視資料檔案的基本資訊

  • 使用Pandas進行資料分析及視覺化

  • 資料來源下載地址：https://video.mugglecode.com/Beijing_PM.csv

  • Beijing_PM.csv，包含了2013-2015年北京每小時的PM2.5值。每行記錄為1小時的資料。

  • 共7列資料，分別表示：

  1. year: 年，2013-2015
  2. month: 月，1-12
  3. day: 日，1-31
  4. hour: 小時，0-23
  5. season：季度，1-4
  6. PM_China: 中國環保部檢測的PM2.5值
  7. PM_US: 美國使館檢測的PM2.5值
# -*- coding: utf-8 -*-

import pandas as pd
import matplotlib.pyplot as plt
import os

file_path = '/Users/miraco/PycharmProjects/DataMining/data_pd/coffee_menu.csv'
outpath = './coffee_stat/ouptput'

#os.mkdir 與 os.makedirs 的差別在於 os.makedirs 會遞迴地去建立目錄，也就是說連同中繼的目錄也會一起建立
if not os.path.exists(outpath):
    os.makedirs(outpath)

# 1. 讀取csv資料檔案
data_df = pd.read_csv('/Users/miraco/PycharmProjects/DataMining/data_pd/Beijing_PM.csv')

# 2. 檢視資料檔案的基本資訊
print('資料預覽：')
print(data_df.head())

print('資料檔案的基本資訊：')
print(data_df.info())

print('資料內容的統計資訊：')
print(data_df.describe())

# 4. 按照year列進行分組統計
year_average_pm = data_df.groupby('year')['PM_China'].mean()

# 4. 結果儲存
year_average_pm.to_csv(os.path.join(outpath,'year_average_pm.csv'))

# 5. 繪製柱狀圖
year_average_pm.plot(kind='bar')
plt.tight_layout()
plt.show()

需要注意的是，資料裡面有的列裡面含有NA，這個在統計時候會跳過的。

執行結果

資料預覽：
   year  month  day  hour  season  PM_China  PM_US
0  2013      1    1     0       4       NaN   31.0
1  2013      1    1     1       4       NaN   32.0
2  2013      1    1     2       4       NaN   21.0
3  2013      1    1     3       4       NaN   16.0
4  2013      1    1     4       4       NaN   15.0
資料檔案的基本資訊：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 26280 entries, 0 to 26279
Data columns (total 7 columns):
year        26280 non-null int64
month       26280 non-null int64
day         26280 non-null int64
hour        26280 non-null int64
season      26280 non-null int64
PM_China    20508 non-null float64
PM_US       25970 non-null float64
dtypes: float64(2), int64(5)
memory usage: 1.4 MB
None
資料內容的統計資訊：
               year         month      ...           PM_China         PM_US
count  26280.000000  26280.000000      ...       20508.000000  25970.000000
mean    2014.000000      6.526027      ...          92.560806     94.094686
std        0.816512      3.447917      ...          88.027434     93.806554
min     2013.000000      1.000000      ...           3.000000      1.000000
25%     2013.000000      4.000000      ...          28.000000     27.000000
50%     2014.000000      7.000000      ...          68.000000     66.000000
75%     2015.000000     10.000000      ...         127.000000    126.000000
max     2015.000000     12.000000      ...         672.000000    886.000000

[8 rows x 7 columns]
730751-c4fd4ddf07732207.png
這個圖也是自動賦色的

關鍵語句

#讀取csv資料檔案
data_df = pd.read_csv('/Users/miraco/PycharmProjects/DataMining/data_pd/Beijing_PM.csv')

#按照year列進行分組統計
year_average_pm = data_df.groupby('year')['PM_China'].mean()

#結果儲存
year_average_pm.to_csv(os.path.join(outpath,'year_average_pm.csv'))

#繪製柱狀圖
year_average_pm.plot(kind='bar')

相關文章