Räkna kategoriska variabler
Att räkna förekomster är ett bra sätt att få en överblick över dina data och upptäcka mönster som annars kan vara svåra att se. I den här övningen räknar du antalet butiker av varje typ och antalet avdelningar med hjälp av de DataFrames du skapade i föregående övning:
# Drop duplicate store/type combinations
store_types = sales.drop_duplicates(subset=["store", "type"])
# Drop duplicate store/department combinations
store_depts = sales.drop_duplicates(subset=["store", "department"])
DataFrames:en store_types och store_depts från förra övningen finns tillgängliga, och pandas är importerat som pd.
Den här övningen är en del av kursen
Datamanipulering med pandas
Övningsinstruktioner
- Räkna antalet butiker för varje butikstyp (
type) istore_types. - Räkna andelen butiker för varje butikstyp (
type) istore_types. - Räkna antalet butiker för varje avdelning (
department) istore_depts, sorterat i fallande ordning. - Räkna andelen butiker för varje avdelning (
department) istore_depts, sorterat i fallande ordning.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Count the number of stores of each type
store_counts = ____
print(store_counts)
# Get the proportion of stores of each type
store_props = ____
print(store_props)
# Count the number of stores for each department and sort
dept_counts_sorted = ____
print(dept_counts_sorted)
# Get the proportion of stores in each department and sort
dept_props_sorted = ____.____(sort=____, normalize=____)
print(dept_props_sorted)