成都网站建设好多科技,清远市建设工程造价信息网站,哈尔滨市建设工程招标信息网,关键词搜索量查询前些天发现了一个巨牛的人工智能学习电子书#xff0c;通俗易懂#xff0c;风趣幽默#xff0c;无广告#xff0c;忍不住分享一下给大家。#xff08;点击跳转人工智能学习资料#xff09; 一、题目
附件drug. order_ detai 1.xlsx是某连锁药店销售数据#xff0c;请使…前些天发现了一个巨牛的人工智能学习电子书通俗易懂风趣幽默无广告忍不住分享一下给大家。点击跳转人工智能学习资料 一、题目
附件drug. order_ detai 1.xlsx是某连锁药店销售数据请使用pandas和numpy分析药店的营业数据 (1)读取附件中excel文件drug._order_detail_1.xlsx 中的数据 (2)计算所有分店的总销售额并打印输出 (3)增加“销售额”列其中销售额价格*销量 (4)按分店统计不同分店销售额的最小值、最大值、平均值、并打印输出 (5)输出效果如下所示其中*号代表具体统计的数。
二、题目分析 对于Excel文件的处理常见的就是pandas库我们引入pandas库之后通过read_excel方法就可以读取到指定的Excel文件注意就是要指定sheet的名称。然后我们将其转化为DataFrame类型进行计算。然后我们计算所有分店的总销售额只需要遍历所有分店然后用那一行的销量乘以那一行的单价然后每次相加就可以得出结果然后通过print进行输出。然后添加列其实有一种简单的方法就是当你df[‘销售额’]的时候系统检测到Excel文件中并没有销售额这一列那么就会自动添加上去然后只需要指定它的值为对应的价格乘以销量即可。之后通过numpy的minmax和mean函数就可以轻松求的最大值最小值和平均值了。
三、代码
import pandas as pd
import numpy as np
import xlrddatapd.read_excel(drug_order_detai_1.xlsx,sheet_namedrug_order_detail2)
dfpd.DataFrame(data)
row,coldf.shape
sum0
list[]
for i in range(0,row):sumint(df.loc[i][销量])*int(df.loc[i][价格])
print(所有分店总销售额是str(sum))
df[销售额] df[价格] * df[销量]
print(pd.DataFrame(df.groupby(分店)[销售额].agg([np.min,np.max,np.mean])))四、实验结果 pandas 是基于NumPy 的一种工具该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现它是使Python成为强大而高效的数据分析环境的重要因素之一。
Pandas是python的一个数据分析包最初由AQR Capital Management于2008年4月开发并于2009年底开源出来目前由专注于Python数据包开发的PyData开发team继续开发和维护属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来因此pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据panel data和python数据分析data analysis。panel data是经济学中关于多维数据集的一个术语在Pandas中也提供了panel的数据类型。
NumPyNumerical Python是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵比Python自身的嵌套列表nested list structure)结构要高效的多该结构也可以用来表示矩阵matrix支持大量的维度数组与矩阵运算此外也针对数组运算提供大量的数学函数库。
