#输出列名称，可以⽐较下⾯两种形式
print(df.columns)
print(df.columns.to_list())#以列表形式储存
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
Index(['order_id', 'quantity', 'item_name', 'choice_description',
'item_price'],
dtype='object')
['order_id', 'quantity', 'item_name', 'choice_description', 'item_price']
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
#被下单数最多商品(item_name)是什么
#思路：先按item_name分组，再根据quantity求和，再降序排列
#reset_index是可以输出成dataframe
df.groupby('item_name').quantity.sum().reset_index().sort_values(by = 'quantity',ascending = False)
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
item_name quantity
17 Chicken Bowl 761
18 Chicken Burrito 591
25 Chips and Guacamole 506
39 Steak Burrito 386
10 Canned Soft Drink 351
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
#求item_name的类别数
df['item_name'].nunique()
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
50
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
#在choice_description中下单次数最多的商品是什么
#注意到choice_description 中有⼀些空值，所以我们先挑出⾮空的⾏再分组-求和-排序
df[df['choice_description'].notnull()].groupby('choice_description').quantity.sum().reset_index().sort_values(by = 'quantity',ascending = False)
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
choice_description quantity
15 [Diet Coke] 159
14 [Coke] 143
583 [Sprite] 89
256 [Fresh Tomato Salsa, [Rice, Black Beans, Chees... 49
257 [Fresh Tomato Salsa, [Rice, Black Beans, Chees... 42
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
#⼀共有多少商品被下单，就是计算订单总数
print(df['quantity'].sum())
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
4972
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
#将item_price转换为浮点数
#注意到item_price前⾯有$符号
#⽅法1，个⼈感觉容易出错，str不知道什么时候需要加
df['item_price'] = df['item_price'].str.replace('$','')
#⽅法2：apply是针对每个元素，就不需要str了
def func(df):
df['item_price'] = df['item_price'].replace('$','')
return df
df = df.apply(func, axis = 1)
df['item_price'] = df['item_price'].astype('float')
print(df['item_price'])
