pandas实例-Visualization-Online Re

继续前面的练习，之前的文章参考：

• pandas实例-了解你的数据-Chipotle
• pandas实例-筛选与排序-Chipotle
• pandas实例-数据可视化-Chipotle
• pandas实例-了解你的数据-Occupation
• pandas实例-筛选与过滤-Euro 12
• pandas实例-筛选与过滤-Fictional Army
• pandas实例-聚合-Alcohol Consumption
• pandas实例-聚合-Occupation
• pandas实例-聚合-Regiment
• pandas实例-Apply-Student Alcohol Consumption
• pandas实例-Apply-Crime Rates
• pandas实例-Merge-MPG Cars
• pandas实例-Merge-Fictitious Names
• pandas实例-merge-House Market
• pandas实例-Stats-US_Baby_Names
• pandas实例-Stats-Wind Statistics
• pandas实例-Visualization-Titanic_Desaster
• pandas实例-Visualization-Scores

---

先来加载我们的数据集，这次有点儿问题

df = pd.read_csv(data_path  ,sep=',')

我看了原始数据，就是逗号分隔，而且文件编码也是utf-8，但是加载的时候不行

关于如何查看文件编码：

• Python查看文件编码

这个文件有点儿大，所以执行那个编码验证有点儿慢

df = pd.read_csv(data_path  ,sep=',' , encoding='ISO-8859-1')

先来理解下这个数据集，看上去，是线上销售的订单，有商品，有数量，有客户，有国家

1. Create a histogram with the 10 countries that have the most 'Quantity' ordered except UK

从题目看上去是要画一个直方图，按销量排序的，但是答案中是柱形图，也是这个单词也叫做柱形图，先这么来吧

首先，我们要按照国家聚合，对数量求和，然后排个序，最后把图画出来，并且剔除UK

先不剔除，看看结果数据：

df.groupby('Country')['Quantity'].sum().sort_values(ascending=False)

加上剔除：

df2 = df.query('Country != "United Kingdom"').groupby('Country')['Quantity'].sum().sort_values(ascending=False)

df2.head(10).plot.bar(x='Country')

2. Exclude negative Quantity entries

这里要剔除些销量，是负的的意思吧，先看看，估计是退货的

df.query('Quantity < 0').head()

而且顺便发现了这个单价还有负的，不知道是不是异常数据，这个应该得剔除掉

3. Create a scatterplot with the Quantity per UnitPrice by CustomerID for the top 3 Countries (except UK)

这里要画个散点图，关于销量和单价的，购买人数前三的国家？

这个题目有点儿乱，我看了答案，也没搞懂到底是什么意思，我先按上面的理解来看看结果

假设就是看每个国家的购买人数，这个还是有点儿坑，感觉算的有点儿麻烦，等我找找简单的方式

我一开始是这么处理的：

df = df.query('UnitPrice > 0')

df3 = df.groupby(['Country' , 'CustomerID']).count().reset_index()

df3.groupby('Country')['CustomerID'].count().sort_values(ascending=False)

在SQL里就是一个count(distinct xx)操作而已，应该可以简化的

先不管过程，就结果来说，和作者给的是不一样，而他自己的代码也没有写怎么得到的那3个城市，所以我很奇怪。

先说说怎么简化上面的代码，实现count(distinct xx)

df.groupby(['Country']).agg({'CustomerID':pd.Series.nunique}).sort_values(by='CustomerID' , ascending=False)

看来这个agg函数，我没有掌握好呀，一会儿研究一下，先继续好了

不管是不是这3个城市，先画图吧：

sns.relplot(x='Quantity' , y='UnitPrice' , col='Country' , data=df.query('Country in ("Germany","France","Spain")') )

使用seaborn画散点图很方便

4. Investigate why the previous results look so uninformative

呃，作者这一题，貌似展开了一下，说明了几个问题，也就是上面我疑问的地方

作者那3个城市，是按照销量来的

哦，这一篇，我要放弃了，感觉原文好乱，或者是我英文理解的不太好，

为什么作者用单价*销量，然后又除以销量，是要算一个件均GMV？？

貌似，作者最后是算了一个商品单价越高，收入越低，然后把单价按照1元进行了分桶，看上去是这样，实际上就是散点图啊，单价和收入（单价*销量），这不还是单价和销量的关系吗？

恩，也许是不一样，单价和GMV的关系

搞不懂，算了，这一篇就这样吧