Jaki procent sprzedaży przypadał na każdy typ sklepu?
Chociaż .groupby() jest bardzo przydatne, pogrupowane statystyki opisowe można obliczać również bez jego użycia.
Walmart wyróżnia trzy typy sklepów: „supercentra", „sklepy dyskontowe" i „sklepy osiedlowe", zakodowane w tym zbiorze danych jako typy „A", „B" i „C". W tym ćwiczeniu obliczysz łączną sprzedaż dla każdego typu sklepu – bez użycia .groupby(). Uzyskane wartości pozwolą ci sprawdzić, jaki udział w łącznej sprzedaży Walmart miał każdy typ sklepu.
Zbiór danych sales jest dostępny, a biblioteka pandas została zaimportowana jako pd.
To ćwiczenie jest częścią kursu
Manipulacja danymi z pandas
Instrukcje do ćwiczenia
- Oblicz łączną wartość
weekly_salesdla całego zbioru danych. - Przefiltruj dane, wybierając sklepy typu
"A", i oblicz ich łączną tygodniową sprzedaż. - Zrób to samo dla sklepów typu
"B"i"C". - Połącz wyniki dla typów A, B i C w listę, a następnie podziel ją przez
sales_all, aby uzyskać udział każdego typu w łącznej sprzedaży.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Calc total weekly sales
sales_all = ____["____"].____()
# Subset for type A stores, calc total weekly sales
sales_A = ____[____["____"] == "____"]["____"].____()
# Subset for type B stores, calc total weekly sales
sales_B = ____
# Subset for type C stores, calc total weekly sales
sales_C = ____
# Get proportion for each type
sales_propn_by_type = [sales_A, ____, ____] / ____
print(sales_propn_by_type)