1、先导包
import numpy as np # 导入numpy的包
import pandas as pd # 导入pandas的包
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 支持中文（指定默认字体为SimHei 黑体`2、读取数据（拿到数据后，了解数据字段信息，看是否有空值，数据是否有异常，比如是否含有：\r \n 等等）
3、处理数据（用一些方法，处理数据异常，比如连接数据，删除空值，替换空格等）
# read_excel(数据名) 用pandas读取数据 此数据里面有三个sheet_name表，所以都要读出来
data1 = pd.read_excel('meal_order_detail.xlsx',sheet_name='meal_order_detail1')
data2 = pd.read_excel('meal_order_detail.xlsx',sheet_name='meal_order_detail2')
data3 = pd.read_excel('meal_order_detail.xlsx',sheet_name='meal_order_detail3')
# data1
# concat()连接数据 axis=0 合并行 因为有三个表，所以要连接起来
data = pd.concat([data1,data2,data3],axis=0) # 连接数据，创建一个新的数据
print(data.info()) # 创建好新数据后，查看数据的信息
# 删除空列 axis=1：合并列 inplace=True：改变数据
data.dropna(axis=1,inplace=True)
data以上代码知识点整理
1、用pandas中的块【pd.read_文件扩展名(‘文件名.扩展名 ‘)】读取数据
2、如果此数据是excel，并且一张簿里面有多张表，要依次读取出来，后面加【sheet_name=’ 表名’】
3、因为有多张表，所以要用【concat()】方法连接数据。（此例中用该方法把三张表连接起来）
4、【axis=0】合并行（此例需要连接数据，所以合并行）；【axis=1】合并列（此例需要删除空列，所以把空列都合并了）
5、【info()】 方法查看数据的信息
6、【dropna()】 方法删除数据信息
7、【inplace=True】方法改变数据，一般用于一些改变数据的操作方法之后
正式开始做题
1、计算菜品价格平均值
# 据我们观察，数据的菜品名称里面有\n \r，所以要先去除它们
# apply()是声明匿名函数 括号里面一般加匿名函数 rstrip()函数去除右边\n,\r
data['dishes_name'] = data['dishes_name'].apply(lambda x:x.rstrip())
# 接着算平均价格会有重复，所以先进行菜品名称去重
# drop_duplicates()函数去重 subset选中某一个字段
data_dishes_name = data.drop_duplicates(subset=['dishes_name'])
# 方法一：直接用pandas里面的mean()函数求平均值
# mean_amounts = data_dishes_name['amounts'].mean() # 对去重后的结果求平均值
# 方法二：用numpy里面的np的mean方法求平均数
mean_amounts = np.mean(data_dishes_name['amounts']) # 对去重后的结果求平均值
mean_amounts题意分析
我们的目的是统计菜品的平均价格
从这句话中我们得出以下信息：
1)对象：菜品名称；2）干什么：计算平均价格
注意：根据我们观察，数据的菜品名称里面有\n \r，所以要先去除它们；接着算平均价格会有重复，所以先进行菜品名称去重
以上代码知识点整理
1、声明匿名函数：【apply()】方法
2、去除右侧特殊字符：【rstrip()】
3、字段去重：【drop_duplicates()】
4、选中某一个字段：【subset=[’ ']】
5、求平均值：【mean()】（用numpy和pandas都能求平均值）
2、词频统计：统计什么菜最受欢迎（TOP：10）
dishes_count = data['dishes_name'].value_counts()[:10]
dishes_count.plot(kind='bar',legend=True) # legend表示图例
# dishes_count.plot.bar() # bar表示垂直柱状图
# dishes_count.plot.barh() # barh表示水平柱状图题意分析
我们的目的是统计最受欢迎的10道菜。
从这句话中，我们得出以下信息：
1）对象：菜名；2）干什么：给菜名计数；3）统计方法：柱状图（一般统计数量，用柱状图更直观）
以上代码知识点整理
1、取数据字段：【之前定义的新数据变量名[‘字段名’] 】（此例中我们定义的新数据变量名为data，菜名字段为disher_name）
2、计数：.【value_counts()】；
此例中统计前10道菜，所以加个索引【value_counts()[:10]】
3、画图：【.plot(kind=‘图的类型’,legend=True)】
（此例中，kind代表图的类型，legend=True代表图例）
或【.plot.图的类型()】（）里面可加title=’ ‘；legend=’ ‘；label=’ '等
4、垂直柱状图：【bar()】；水平柱状图：【barh()】
3、单个订单中菜品数量最多（TOP 10）
data_order_id = data['order_id'].value_counts()[:10] # value_counts是统计次数
# data_order_id.plot.bar() # bar()是垂直柱状图
data_order_id.plot.barh() # barh()是水平柱状图题意分析
我们的目的是统计单个订单中菜品数量最多前10名
从这句话中，我们得出以下信息：
1）对象：订单ID；2）干什么：统计次数
以上代码知识点整理
1、【value_counts()】 统计次数，可加索引
2、【plot】绘制图像
3、【bar()】 垂直柱状图
4、【barh()】 水平柱状图
4、计算单一菜品总价；哪个订单ID点菜份数最多（TOP：10）
# 总价 = 单价 * 数量
data['total_amounts'] = data['amounts'] * data['counts'] # 计算单一菜品总价
# data[data['counts']>1] # 条件；大于1
dataGroup = data[['order_id','counts','amounts','total_amounts']] # 确定数据组 订单id 数量 单价 总价
data_sort = dataGroup.groupby(by='order_id').sum() # 给数据组分组并求和
print(data_sort)
# sort_values()表示按by=''里面的字段排序
data_sort.sort_values(by='counts',ascending=False,inplace=True) # ascending=False 表示倒序
print(data_sort['counts'][:10]) # 订单ID点菜数量最多前十
data_sort['counts'][:10].plot.bar() # 绘制柱状图题意分析
我们的目的是统计通过计算单一菜品总价，确定哪个订单点菜最多
从这句话中，我们得到以下信息：
1）对象：订单ID；2）干什么：计算总价，确定份数
以上代码知识点整理
1、计算总价：【总价=单价*数量】
2、确定数据组：【两个[[ ]]嵌套】
3、确定数据组之后分组：【groupby(by=‘字段名’)】 其中，groupby是分组 by=是选定按什么字段分组
4.求和：【.sum()】
5、排序：【sort_values(by=‘字段名’,ascending=False,inplace=True)】
其中，sort_values是按by选定的字段排序，ascending表示倒序，inplace=True表示改变数据
