日日操夜夜添-日日操影院-日日草夜夜操-日日干干-精品一区二区三区波多野结衣-精品一区二区三区高清免费不卡

要求：比較美國和中國星巴克店鋪數(shù)量

數(shù)據(jù)來源：
https://www.kaggle.com/starbucks/store-locations/data

在pandas中類似的分組的操作我們有很簡單的方式來完成

df.groupby(by="columns_name")

import pandas as pd

#獲取數(shù)據(jù)
filepath="./starbucks_store_worldwide.csv"
df=pd.read_csv(filepath)

grouped = df.groupby(by="Country")
print(grouped)

結(jié)果返回的是一個DataFrameGroupBy

那么問題來了，DataFrameGroupBy是什么內(nèi)容？

它可以完成遍歷，分組操作

1.遍歷grouped的結(jié)果，他返回的是一個列表每個國家有關(guān)星巴克的情況

import pandas as pd

#獲取數(shù)據(jù)
filepath="./starbucks_store_worldwide.csv"
df=pd.read_csv(filepath)

grouped = df.groupby(by="Country")
print(grouped)

for i in  grouped:
    print(i)

擴展:如果想單獨把第一個元素(國家)打印出來

import pandas as pd

#獲取數(shù)據(jù)
filepath="./starbucks_store_worldwide.csv"
df=pd.read_csv(filepath)

grouped = df.groupby(by="Country")
print(grouped)

for i,j in  grouped:
    print(i)
    print('*'*100)
    print(j)

2.分組

import pandas as pd

#獲取數(shù)據(jù)
filepath="./starbucks_store_worldwide.csv"
df=pd.read_csv(filepath)

grouped = df.groupby(by="Country")
print(grouped)


b=grouped.count()
print(b)

但我們只想要Brand的數(shù)據(jù)

import pandas as pd

#獲取數(shù)據(jù)
filepath="./starbucks_store_worldwide.csv"
df=pd.read_csv(filepath)

grouped = df.groupby(by="Country")
print(grouped)

#聚合方法
b=grouped["Brand"].count()
print(b)

我們最終想要US和CN的值

import pandas as pd

#獲取數(shù)據(jù)
filepath="./starbucks_store_worldwide.csv"
df=pd.read_csv(filepath)

grouped = df.groupby(by="Country")
print(grouped)

b=grouped["Brand"].count()
c=b['US']
d=b['CN']
print(c)
print(d)