【問63～問68】データサイエンス100本ノック　解説

はじめに

問63～問68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63　商品データフレーム（df_product）の単価（unit_price）と原価（unit_cost）から、各商品の利益額を算出せよ。結果は10件表示させれば良い。

（df_product）に新しくunit_profitのカラムを作成し、そちらには、各商品の利益額を算出したものを入力します。

各商品の利益額は、単価（unit_price）ー 原価（unit_cost）で計算できます。

df_product['unit_profit'] = df_product['unit_price'] - df_product['unit_cost']

問64　商品データフレーム（df_product）の単価（unit_price）と原価（unit_cost）から、各商品の利益率の全体平均を算出せよ。 ただし、単価と原価にはNULLが存在することに注意せよ。

（df_product）に新しくunit_profit_rateのカラムを作成し、そちらには、各商品の利益率を算出したものを入力します。

各商品の利益率は、（単価（unit_price）ー原価（unit_cost））／単価（unit_price）*100で計算できます。

df_product['unit_profit_rate'] = (df_product['unit_price'] - df_product['unit_cost']) / df_product['unit_price']*100

各商品の利益率の全体平均を求めるには、mean()を使用します。

なお、「単価と原価にはNULLが存在することに注意せよ」とありますが、mean()の引数でskipna=Trueを選択すると値がないデータを飛ばして計算してくれますが、mean()はデフォルトでTrueに設定されているので、特段書く必要はありません。

df_product['unit_profit_rate'].mean()

問65　商品データフレーム（df_product）の各商品について、利益率が30%となる新たな単価を求めよ。ただし、1円未満は切り捨てること。そして結果を10件表示させ、利益率がおよそ30％付近であることを確認せよ。ただし、単価（unit_price）と原価（unit_cost）にはNULLが存在することに注意せよ。

利益率が30%ということは、「単価が原価の70%」である必要があります。

例えば、利益率30％というものは、原価70円のものを単価100円で売った場合です。

つまり、単価100円×0.7＝原価70円の関係です。
仮に単価A、原価Bとし、これを式にすると、A×0.7＝Bです。

式変形すると、A＝B／0.7になります。

すなわち、利益率30％は、「単価が原価の70％」を指します。

そして、「1円未満は切り捨てる」必要があるので、np.floor（）を使用します。

なお、問43、問56で使用したmath.floor（）も小数点の切り捨てができますが、データにNaNが存在するとエラーになってしまいます。

df_product['new_price'] = np.floor(df_product['unit_cost']/0.7)

そして、利益率がおよそ30％付近であることを確認するために、問64で行ったようにnew_priceに対して、利益率を表示します。

df_product['new_profit_rate'] = (df_product['new_price'] - df_product['unit_cost']) / df_product['new_price']*100

問66　商品データフレーム（df_product）の各商品について、利益率が30%となる新たな単価を求めよ。今回は、1円未満を丸めること（四捨五入または偶数への丸めで良い）。そして結果を10件表示させ、利益率がおよそ30％付近であることを確認せよ。ただし、単価（unit_price）と原価（unit_cost）にはNULLが存在することに注意せよ。

問65と基本的な処理は同じです。

違う点は、「1円未満を丸めること（四捨五入または偶数への丸めで良い）」です。

それには、np.round（）を使用します。

df_product['new_price'] = np.round(df_product['unit_cost']/0.7)
df_product['new_profit_rate'] = (df_product['new_price'] - df_product['unit_cost']) / df_product['new_price']*100
df_product.head(10)

問67　商品データフレーム（df_product）の各商品について、利益率が30%となる新たな単価を求めよ。今回は、1円未満を切り上げること。そして結果を10件表示させ、利益率がおよそ30％付近であることを確認せよ。ただし、単価（unit_price）と原価（unit_cost）にはNULLが存在することに注意せよ。

こちらも問65、問66と基本的な処理は同じです。

違う点は、「1円未満を切り上げること」です。

それには、np.ceil（）を使用します。

df_product['new_price'] = np.ceil(df_product['unit_cost']/0.7)
df_product['new_profit_rate'] = (df_product['new_price'] - df_product['unit_cost']) / df_product['new_price']*100
df_product.head(10)　

問68　商品データフレーム（df_product）の各商品について、消費税率10%の税込み金額を求めよ。 1円未満の端数は切り捨てとし、結果は10件表示すれば良い。ただし、単価（unit_price）にはNULLが存在することに注意せよ。

消費税率10%の税込み金額は、単価（unit_price）×1.1となります。

そして、「1円未満の端数は切り捨て」るので、np.floor()を使用します。

df_product['price_tax'] = np.floor(df_product['unit_price']/1.1)
df_product.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。