正文

今天本人在趕學校課程作業的時候突然發現groupby這個分組函數還是蠻有用的，有了這個分組之后你可以實現很多統計目標。

當然，最主要的是，他的使用非常簡單

本期我們以上期作業為例，單走一篇文章來看看這個函數可以實現哪些功能：

（本期需要準備的行囊）：

• jupyter notebook環境（anaconda自帶）
• pandas第三方庫
• numpy第三方庫（也許會用吧）
• 能運行以上依賴的電腦和舒服的外設
• 一定的python基礎
• 需要是吃飽喝足的你，帶上能運作的小腦瓜來繼續

一、了解groupby

這是一個函數，一般作用于dataframe上，有返回值，不改變原變量。輸出的是原dataframe按照傳入參數分組后的結果。

我們一通引入獲得了一個dataframe，按照“user”進行了分組，發現得到的是一個dataframegroupby對象。這個對象內部是什么呢？我們用遍歷循環來看看：

for i in f.groupby("user"):
    print(i)

發現這個對象內部是一個個元組，每個元組的第一個元素是我們設定的分組依據的值

（例如這里我們設定的分組依據是user，這里第一個元組包含的是user為19500時的所有記錄，元組第一個元素就是19500）

而當我們輸出元組里的第二個元素的時候，發現得到的是類似dataframe的結果

看前面user下面的數據,整齊劃一,是不是？o(〃＾▽＾〃)o

二、數據文件簡介

文章中所用數據為某時段內消費者的行為數據。user為消費者編號，brand為品牌編號，behavr為消費者行為（0代表瀏覽，1代表購買，2代表收藏，3代表加入購物車。且允許存在不瀏覽直接購買的行為）

接下來我們要針對這些數據進行處理，輸出一些有用的結果

三、求各個商品購買量

因為要求統計的“購買”行為屬于behavr列中的某特殊值。很容易想到先用條件篩選選出所有購買的記錄，再用groupby按各個商品分類，再用size（）方法統計分組后每組的數量，以此輸出各個商品的購買量。

那么會了這個之后來舉一反三一下：求各個商品瀏覽量

自行思考一下再往下翻哦

沒錯，就是改一下一開始條件過濾的數值即可。把購買（1）改成瀏覽（0）

四、求各個商品轉化率

商業數據分析經常會遇到一個數據量——轉化率，其實就是購買的數量比上瀏覽的數量。以此來看這個商品是否足夠吸引人。

我們這里在上面已經計算出了各個商品的瀏覽量和購買量，事實上只需要比一比就可以了。

正好，pandas的series計算是我們想要的，他會根據鍵值對去分別計算

這個series里user名字是鍵，數量是值，非常完美符合series計算設定，我們直接除一下就行。

pandas用.div()來實現比值功能（前面的比后面的）。

要注意的是，series計算可能會帶來缺失值，因為兩個series計算的時候并不能保證兩個series的鍵完全一樣

即有可能出現前一個series有的鍵而后一個沒有。比如這里可以看出brand 11就只有瀏覽沒有購買，因此統計購買量的時候沒有11這個鍵，但是瀏覽量中有11這個鍵。

在計算的時候不共有的鍵會以缺失值的形式出現，即NaN：

如果我們不想看到這個缺失值NaN，在div內添加fill_value參數可以把缺失值補充上

五、轉化率最高的30個商品及其轉化率

這就需要用到排序了。其實也很簡單。我們把前面計算好的轉化率用sort_values()函數排序之后輸出前30個即可：

• sort_value()函數中設置ascending參數為False即為降序，默認為True升序
• head(n)用來輸出前n個，同理tail(n)用來輸出最后n個

小小の總結

其實我們不難發現，python語言其實本身過于“高級”。他不需要你思考用什么算法來完成這些操作（特別是你本身還在用第三方庫的時候）。

她總有相關的函數或者方法可以替你完成。并且這個函數內部可能是C語言等基礎語言實現的，代碼效率會比你自己在python上手碼要快很多

作為使用者，想要快速入門的話，你所需要的——

只是把這些都記住就行了

大概這就是一個像文科一樣的編程語言吧……