pandas每天一题-探索分析：推测点餐人数
前面我们一直在讲解 pandas 数据处理的各种知识点，现在开始就应用上这些知识点来探索一下点餐数据。
本系列计划每天更新一期，希望各位小伙伴先自行思考，再查看答案。如果对你有帮助，记得转发推荐给你的好友！
上期文章：pandas每天一题-探索分析：找出最受欢迎的二次点餐菜式
后台回复"数据"，可以下载本题数据集
如下数据：
import pandas as pd
import numpy as np
from itertools import combinations
df = pd.read_csv('chipotle.tsv',
sep='\t',
converters={'item_price': lambda x: float(x[1:-1])})
df
数据描述：
- 此数据是订单明细表。一个订单会包含很多明细项，表中每个样本(每一行)表示一个明细项
- order_id 列存在重复
- item_name 是品类名称，例如"罐装饮料"
- quantity 是明细项数量
- item_price 是该明细项的总价钱
- choice_description 是每一项更详尽的描述，例如："雪碧"
例如， 某个单子中，客人点餐
- 牛排玉米饼
- 烧烤玉米饼
- 1罐可乐
- 1罐雪碧
于是产生了4行记录：
前面章节讲解过的知识点，本文不再讲解！
需求：
店铺需要重新装修，此时你希望知道点餐人数的情况。可惜点餐系统没有记录人数。
请使用以上数据，对点餐人数做合理推测
下面是答案了
假设
这个需求挺有意思，解决思路也很多。这一节我们从饮料入手，推测点餐人数。
首先，尽可能找出品类是饮料的记录看看：
cond = df['item_name'].str.contains('drink|soda|bottled|water',case=False)
df[cond].drop_duplicates(['item_name','choice_description'])
- 行1：
drink|soda|bottled|water这是正则表达式，找出包含这些单词的记录
问：为什么是这4个单词？
答：我人工看的
问：。。。。。。。
总的来说，品类只有4种：
items = ['Canned Soda','Canned Soft Drink','6 Pack Soft Drink','Bottled Water']
df.query('item_name in @items')
- 这就得到所有饮料的记录
6 Pack Soft Drink 是6瓶装的饮料，比起单点6瓶 Canned Soft Drink 更优惠。
那么，如果你是一个人来吃饭，不可能点6瓶装吧。
这就是一个大概率的推测。这些订单大概率是多人就餐(估计至少是4至6人)：
(
df.query('item_name == "6 Pack Soft Drink"')['order_id']
.drop_duplicates()
)
得到的就是至少4-6人的订单
其中，还有叫了1打可乐的订单：
df.query('item_name == "6 Pack Soft Drink" and and quantity>1')
- 这桌至少10-12人吧
细致一些
有没有人是点了6瓶装，然后再单点了单瓶的饮料？
items = ['Canned Soda','Canned Soft Drink','Bottled Water']
def each(xdf):
has_6d= (xdf['item_name']=='6 Pack Soft Drink').any()
has_others = (xdf['item_name'].isin(items)).any()
return has_6d and has_others
df.groupby('order_id').filter(each)
- 行8：对订单分组筛选
- 行4：是否点了6瓶装，这里注意，括号中的判断返回的是 bool列(Series)，我们需要的是一个 bool 值，所以用any确定里面是否至少有一个 True
- 行5：同理，判断是否含有其他的饮料，这里用 isin 可以判断多个值
- 行6：2个条件同时成立，就是我们需要的订单记录组
注意看数据，这桌应该是有15个人，点了6瓶可乐+9瓶水。
为什么不是7个人吃饭，走的时候再点水拿走？
因为他们还点了15人份的沙拉
单点入手
接下来我们找一些单瓶装的饮料，但是数量是多于1的。这些也是有可能多人就餐：
items = ['Canned Soda','Canned Soft Drink','Bottled Water']
(
df.query("item_name in @items and quantity>1")
.drop_duplicates(['order_id'])
.sort_values('quantity',ascending=False)
)
- 这很好理解
但是也有一种情况，多人就餐，不同的人点了不同的饮料。此时订单中就会出现多笔饮料的记录，数量是1。
从数据角度来说，就是找出同一个订单中，出现3种饮料品类之一，并且他们的数量(quantity)是1，并且记录数多于1条的订单：
items = ['Canned Soda','Canned Soft Drink','Bottled Water']
def each(xdf):
return len(xdf)>1
(
df.query("item_name in @items and quantity==1")
.groupby('order_id').filter(each)
.sort_values(['order_id','item_name'])
)
- 行7：整体把无关的 品类过滤掉
- 行8：每组订单筛选
- 行4：筛选条件很简单，记录多于1条
不过这里的结果也可能是一个人就餐，点了2次饮料。
重复点餐的分析请看上一节
由此，我们把多于2笔的取出来，这些订单更有可能是多人就餐，人数就是饮料数量。
修改一下之前的filter逻辑即可：
items = ['Canned Soda','Canned Soft Drink','Bottled Water']
def each(xdf):
return len(xdf)>2
(
df.query("item_name in @items and quantity==1")
.groupby('order_id').filter(each)
.sort_values(['order_id','item_name'])
)
- 行4：修改为大于2
更多有趣的探索，下一节继续，记得点赞三连！！！！
推荐阅读：
腾讯云开发者
