【問21～問25】データサイエンス100本ノック　解説

はじめに

問21～問25のコードの説明を初心者や初学者でもわかるような方法でまとめました。

データサイエンス100本ノックのはじめ方は、以下のブログ記事を参考にしてください。

>>【Google Colabはじめ方】データサイエンス100本ノックーデータサイエンティスト協会

問21　レシート明細データフレーム（df_receipt）に対し、件数をカウントせよ。

件数のカウントには、len（）を使用します。

問22　レシート明細データフレーム（df_receipt）の顧客ID（customer_id）に対し、ユニーク件数をカウントせよ。

件数のカウントには、len（）を使用します。

しかし、今回の件数は「ユニーク件数」です。つまり、重複を除いた件数を求める問題となっています。

ユニーク件数を求めるには、len(df_receipt[‘カラム名’].unique())というコードになります。

問23　レシート明細データフレーム（df_receipt）に対し、店舗コード（store_cd）ごとに売上金額（amount）と売上数量（quantity）を合計せよ。

「(df_receipt）に対し、店舗コード（store_cd）ごとに」表示する必要があるので、groupby（）を使用します。groupby（）は、特定の列をグルーピングしてくれます。

そのグルーピングは、店舗コード（store_cd）ごとに売上金額（amount）と売上数量（quantity）を合計したものである必要があるので、agg()を使用します。

売上金額（amount）と売上数量（quantity）の合計なので、sumを使用し、.agg({‘amount’:’sum’,’quantity’:’sum’})となります。

また、インデックスが消えないように、最後に.reset_index()を使用します。

df_receipt.groupby('store_cd').agg({'amount':'sum','quantity':'sum'}).reset_index()

問24　レシート明細データフレーム（df_receipt）に対し、顧客ID（customer_id）ごとに最も新しい売上日（sales_ymd）を求め、10件表示せよ。

「(df_receipt）に対し、顧客ID（customer_id）ごとに」表示する必要があるので、groupby（）を使用します。

最も新しい売上日（sales_ymd）を求める必要があるので、max()を使用します。

max()は、最大値（今回は最も新しい売上日）を求めることができます。

また、インデックスが消えないように、最後に.reset_index()を使用し、これを10件

表示なので、.head(10)と打ちます。

df_receipt.groupby('customer_id').sales_ymd.max().reset_index().head(10)

問25　レシート明細データフレーム（df_receipt）に対し、顧客ID（customer_id）ごとに最も古い売上日（sales_ymd）を求め、10件表示せよ。

問24とほぼ同じ処理で、違いは、最も古い売上日（sales_ymd）を求めることです。これには、min()を使用します。

min()は、最小値（今回は最も古い売上日）を求めることができます。

df_receipt.groupby('customer_id').sales_ymd.min().reset_index().head(10)

Pythonのコードやライブラリーについて知りたい場合

Pythonはデータ分析でよく使われている言語です。

この機会にPythonのコードの打ち方・ライブラリーについてもっと知りたいと思った方は、以下のブログ記事をご覧ください。

独学でデータ分析をしている方へ

機械学習やデータサイエンス・データ分析を独学で学ぶには、どうしたらよいかをまとめてみましたので、興味がある方はこちらのブログ記事をご覧ください。