本文共 1148 字，大约阅读时间需要 3 分钟。

【Python数据分析与处理 实训03】 — 酒类消费信息分析（数据分组聚合 group().agg()应用）

探索酒类消费信息

对于下面的数据集进行简单的一些数据的分析训练：

若需要源数据请私信~

1.将数据框命名为drinks

drinks = pd.read_csv("G:\Projects\pycharmeProject\大数据比赛\泰迪智能科技\data\drinks.csv")print(drinks.head())

2.哪个大陆（continent）平均消耗的啤酒（beer）更多

avg = drinks.groupby(by='continent').agg({   'beer_servings':'mean'})print(avg)print(avg.max)print(avg.idxmax())

3.打印出每个大陆的红酒消耗（wine_servings）的描述性统计值

print(drinks.groupby('continent').agg({   'wine_servings':'describe'})) # 方法一print(drinks.groupby('continent')['wine_servings'].describe()) # 方法二def_function = lambda x: sum(x)  # 方法三print(drinks.groupby('continent').agg({   'wine_servings':['count','mean','std','min',def_function]}))

同样的这里使用聚合函数，方法二是在方法一的基础上先提取指定列再进行的描述性统计；方法三利用的lambda表达式构建了新的函数，来进行总和统计。

关于描述性统计可以参见本人博客：

4.打印出每个大陆每种酒类别的消耗平均值

mean = drinks.groupby('continent').mean()print(mean)print(drinks.groupby('continent').agg('mean'))

5.打印出每个大陆每种酒类别的消耗中位数

median = drinks.groupby('continent').median()print(median)print(drinks.groupby('continent').agg('median'))

6.打印出每个大陆对spirit_servings饮品消耗的平均值、最大值、最小值

print(drinks.groupby('continent').agg({   'spirit_servings':['mean','max','min']}))