Więcej przydatnych narzędzi podsumowujących

Python dla użytkowników arkuszy kalkulacyjnych

Chris Cardillo

Data Scientist

.mean()

fruit_sales.groupby('store', as_index=False).mean()

Średnia sprzedaż owoców wg sklepu.png

Kroki do uzyskania odpowiedzi

Transakcje w sklepie owocowym
Łączna sprzedaż wg owocu dla każdego sklepu
Posortowana sprzedaż wg owocu dla każdego sklepu
Pierwszy wiersz dla każdego sklepu

1: Transakcje w sklepie owocowym

Wiele sprzedaży owoców.png

2: Łączna sprzedaż wg owocu dla każdego sklepu

totals = fruit_sales.groupby(['store', 'product_name'], as_index=False).sum()

Pogrupowane i podsumowane.png

3: Posortowana sprzedaż wg owocu dla każdego sklepu

totals = (totals.sort_values('revenue', ascending=False)
.reset_index(drop=True))

Posortowane sumy.png

4: Pierwszy wiersz dla każdego sklepu

top_store_sellers = totals.groupby('store').head(1).reset_index(drop=True)

Najlepiej sprzedające się produkty w sklepie.png

Kroki do uzyskania odpowiedzi

# Raw data
fruit_sales

# Summary - by fruit by store
totals = fruit_sales.groupby(['store', 'product_name'], as_index=False).sum()

# Sort the Summary
totals = (totals.sort_values('revenue', ascending=False)
.reset_index(drop=True))

# First row for each store
top_store_sellers = totals.groupby('store').head(1).reset_index(drop=True)

Najlepiej sprzedające się produkty w sklepie.png

Kroki do uzyskania odpowiedzi

1: Surowe dane transakcyjne

Wiele sprzedaży owoców.png

2: Podsumowanie wg owocu/sklepu

Pogrupowane i podsumowane.png

Kroki do uzyskania odpowiedzi

2: Podsumowanie wg owocu/sklepu

Pogrupowane i podsumowane.png

3: Posortowane wg owocu/sklepu

Posortowane sumy.png

Kroki do uzyskania odpowiedzi

3: Posortowane wg owocu/sklepu

Posortowane sumy.png

4: Pierwszy wiersz dla każdego sklepu

Najlepiej sprzedające się produkty w sklepie.png

Czas na ćwiczenia!

Python dla użytkowników arkuszy kalkulacyjnych