【問84】データサイエンス100本ノック 解説

はじめに

問84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。

（df_customer）の全顧客に対し、全期間の売上金額に占める2019年売上金額の割合を計算するためには、以下の作業必要です。

① 2019年のデータフレームを作成

② 全期間の売上金額のデータフレーム

③ 2019年のデータフレーム÷全期間の売上金額のデータフレームを計算

①まず、df_receiptから2019年のデータを.query()で抽出します。

df_tmp_1 = df_receipt.query('20190101 <= sales_ymd <= 20191231')

次に、（df_customer）の全顧客の2019年の売上金額のデータフレームを作成するために、df_customerに上記df_tmp_1を左外部結合を行います。

df_tmp_1 = pd.merge(df_customer['customer_id'],df_tmp_1[['customer_id','amount']],how='left',on='customer_id')

そして、上記df_tmp_1の2019年売上金額の合計を算出します。

df_tmp_1 = df_tmp_1.groupby('customer_id').sum().reset_index()

amountのカラム名をamount_2019に変更します。

df_tmp_1 = df_tmp_1.rename(columns={'amount':'amount_2019'})

②次に、顧客データフレーム（df_customer）の全顧客の全期間の売上金額のデータフレームを作成します。

それには、df_customerにdf_receiptを左外部結合を行います。

df_tmp_2 = pd.merge(df_customer['customer_id'],df_receipt[['customer_id','amount']],how='left',on='customer_id')

そして、df_tmp_2の売上金額の合計を算出します。

df_tmp_2 = df_tmp_2.groupby('customer_id').sum().reset_index()

③2019年のデータフレームと全期間の売上金額のデータフレームを内部結合します。

df_tmp = pd.merge(df_tmp_1, df_tmp_2, how='inner', on='customer_id')

df_tmpにamount_rateのカラムを作成し、そこに、2019年のデータフレーム÷全期間の売上金額のデータフレームを計算したものを入れます。

df_tmp['amount_rate'] = df_tmp['amount_2019']/df_tmp['amount']

作成したデータにNAやNANが存在しない必要があるので、fillna()で欠損値を補完します。

売上実績がない場合は0として扱うため、ここでは０をいれます。

df_tmp['amount_rate'] = df_tmp['amount_rate'].fillna(0)

最後に、計算した割合が0超のものを10件表示させます。

df_tmp.query('amount_rate > 0').head(10)

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。

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。