データサイエンス100本ノック（構造化データ加工編）をやってみた part2(P-017~P-022)

　この記事はデータサイエンスを勉強しながら、データサイエンス協会が提供するデータサイエンス100本ノック（構造化データ加工編）を解く過程を自分用にまとめたものです。

チャプター	リンク	チャプター	リンク
P-001~P-016	part1	P-052~P-062	part6
P-017~P-022	part2	P-063~P-068	part7
P-023~P-031	part3	P-069~P-078	part8
P-032~P-039	part4	P-079~P-088	part9
P-040~P-051	part5	P-089~P-100	part10

• ソート　sort_values()
• データフレームの結合　pd.concat()
• 順位付け　rank()
• 長さや要素数を取得len()
• ユニークな要素を抽出　unique()

P-017 sort_values()

P-17: 顧客データフレーム（df_customer）を生年月日（birth_day）で高齢順にソートし、先頭10件を全項目表示せよ。

p017.py

df_customer.sort_values('birth_day').head(10)

　sort_values('ソートしたい列名')：引数で指定した列をソートして昇順で返す。(DataFrame型)

P-018

P-18: 顧客データフレーム（df_customer）を生年月日（birth_day）で若い順にソートし、先頭10件を全項目表示せよ。

p018.py

df_customer.sort_values('birth_day', ascending=False).head(10)

　　降順で返したい場合は引数にascending=Flaseを指定する。

P-019 pd.concat(), rank()

P-19: レシート明細データフレーム（df_receipt）に対し、1件あたりの売上金額（amount）が高い順にランクを付与し、先頭10件を抽出せよ。項目は顧客ID（customer_id）、売上金額（amount）、付与したランクを表示させること。なお、売上金額（amount）が等しい場合は同一順位を付与するものとする。

p019.py

df_tmp = pd.concat([df_receipt[["customer_id", "amount"]],
　　                   df_receipt["amount"].rank(method='min',ascending=False)], axis=1)
df_tmp.columns = ['customer_id', 'amount', 'ranking']
df_tmp.sort_values('ranking', ascending=True).head(10)

　pd.concat([df1, df2,])：第一引数に連結したいdfをリストで指定する。(問題では2つだが、それ以上でも可能)
　デフォルトでは縦に結合。（axis=0）横に結合したい場合は第二引数にaxis=1を指定する。

　rank()：データを並び替えずに各要素の順位を返す。デフォルトは列、昇順。
　行に対して順位付けする場合は引数にaxis=1を指定する。
　降順に順位付けする場合は引数にascending=Falseを指定する。

　引数method：同一値に対する処理
　method='average'：平均順位
　method='min'：最小値が順位
　method='first'：登場順に順位付け

P-020

P-020: レシート明細データフレーム（df_receipt）に対し、1件あたりの売上金額（amount）が高い順にランクを付与し、先頭10件を抽出せよ。項目は顧客ID（customer_id）、売上金額（amount）、付与したランクを表示させること。なお、売上金額（amount）が等しい場合でも別順位を付与すること。

p020.py

df_tmp = pd.concat([df_receipt[["customer_id", "amount"]],
                   df_receipt['amount'].rank(ascending=False, method='first')], axis=1)
df_tmp.columns = ["customer_id", "amount", "ranking"]
df_tmp.sort_values('ranking').head(10)

P-021 len()

P-021: 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。

p021.py

len(df_receipt)

　len()：引数に指定したオブジェクトの長さや要素の数を取得する。

P-022 unique()

P-022: 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。

p022.py

len(df_receipt['customer_id'].unique())

　unique()：ユニークな要素の値(重複していない要素の値)のリストを返す。一次元のNumPy配列ndarray型。