持续创造，加速成长！这是我参与「日新方案 10 月更文应战」的第5天，点击查看活动详情
✔个人主页：Mr.Darcy8的主页
欢迎关注点赞收藏⭐留言以及交流人生哲理学习心得
今日本人在赶学校课程作业的时分忽然发现groupby这个分组函数还是蛮有用的，有了这个分组之后你能够完结许多核算目标。
当然，最主要的是，他的使用十分简略
本期咱们以上期作业为例，单走一篇文章来看看这个函数能够完结哪些功用：
（本期需求准备的行囊）：
- jupyter notebook环境（anaconda自带）
- pandas第三方库
- numpy第三方库（也许会用吧）
- 能运转以上依靠的电脑和舒服的外设
- 一定的python基础
- 需求是吃饱喝足的你，带上能运作的小脑瓜来持续
一、了解groupby
这是一个函数，一般作用于dataframe上，有返回值，不改变原变量。输出的是原dataframe按照传入参数分组后的结果。
咱们一通引入获得了一个dataframe，按照“user”进行了分组，发现得到的是一个dataframegroupby目标。这个目标内部是什么呢？咱们用遍历循环来看看：
for i in f.groupby("user"):
print(i)
发现这个目标内部是一个个元组，每个元组的第一个元素是咱们设定的分组根据的值
（例如这儿咱们设定的分组根据是user，这儿第一个元组包括的是user为19500时的一切记载，元组第一个元素便是19500）
而当咱们输出元组里的第二个元素的时分，发现得到的是类似dataframe的结果
看前面user下面的数据,整齐划一,是不是？o(〃＾▽＾〃)o
二、数据文件简介
文章中所用数据为某时段内顾客的行为数据。user为顾客编号，brand为品牌编号，behavr为顾客行为（0代表阅读，1代表购买，2代表收藏，3代表加入购物车。且允许存在不阅读直接购买的行为）
接下来咱们要针对这些数据进行处理，输出一些有用的结果
三、求各个产品购买量
因为要求核算的“购买”行为归于behavr列中的某特殊值。很容易想到先用条件筛选选出一切购买的记载，再用groupby按各个产品分类，再用size（）办法核算分组后每组的数量，以此输出各个产品的购买量。
那么会了这个之后来触类旁通一下：求各个产品阅读量
自行考虑一下再往下翻哦
没错，便是改一下一开始条件过滤的数值即可。把购买（1）改成阅读（0）
四、求各个产品转化率
商业数据剖析经常会遇到一个数据量——转化率，其实便是购买的数量比上阅读的数量。以此来看这个产品是否足够吸引人。
咱们这儿在上面现已核算出了各个产品的阅读量和购买量，事实上只需求比一比就能够了。
正好，pandas的series核算是咱们想要的，他会根据键值对去别离核算
这个series里user姓名是键，数量是值，十分完美符合series核算设定，咱们直接除一下就行。
pandas用.div()来完结比值功用（前面的比后面的）。
要注意的是，series核算可能会带来缺失值，因为两个series核算的时分并不能确保两个series的键完全相同
即有可能呈现前一个series有的键而后一个没有。比方这儿能够看出brand 11就只有阅读没有购买，因而核算购买量的时分没有11这个键，可是阅读量中有11这个键。
在核算的时分不共有的键会以缺失值的形式呈现，即NaN：
假如咱们不想看到这个缺失值NaN，在div内添加fill_value参数能够把缺失值弥补上
五、转化率最高的30个产品及其转化率
这就需求用到排序了。其实也很简略。咱们把前面核算好的转化率用sort_values()函数排序之后输出前30个即可：
- sort_value()函数中设置ascending参数为False即为降序，默认为True升序
- head(n)用来输出前n个，同理tail(n)用来输出最后n个
小小の总结
其实咱们不难发现，python言语其实自身过于“高级”。他不需求你考虑用什么算法来完结这些操作（特别是你自身还在用第三方库的时分）。
她总有相关的函数或者办法能够替你完结。并且这个函数内部可能是C言语等基础言语完结的，代码功率会比你自己在python上手码要快许多
作为使用者，想要快速入门的话，你所需求的——
只是把这些都记住就行了
大约这便是一个像文科相同的编程言语吧……
新人上路，欢迎相互帮扶~Mr_darcy8的主页
能够的话给咱点个赞呗
