Python数据分析：pandas数据操作和分析案例
# Python数据分析：pandas数据操作和分析案例
###### 项目介绍：
* [ https://www.kaggle.com/openfoodfacts/world-food-facts ](https://www.kaggle.com/openfoodfacts/world-food-facts)
###### 项目任务：
* 统计各个国家食物中的食品添加剂种类个数
“`code
import zipfile
import os
import pandas as pd
import matplotlib.pyplot as plt
def unzip(zip_filepath, dest_path):
“””
解压zip文件
“””
with zipfile.ZipFile(zip_filepath) as zf:
zf.extractall(path=dest_path)
def get_dataset_filename(zip_filepath):
“””
获取数据库文件名
“””
with zipfile.ZipFile(zip_filepath) as zf:
return zf.namelist()[0]
def main():
“””
主函数
“””
# 声明变量
dataset_path = \’./data\’ # 数据集路径
zip_filename = \’open-food-facts.zip\’ # zip文件名
zip_filepath = os.path.join(dataset_path, zip_filename) # zip文件路径
dataset_filename = get_dataset_filename(zip_filepath) # 数据集文件名（在zip中）
dataset_filepath = os.path.join(dataset_path, dataset_filename) # 数据集文件路径
print(\’解压zip…\’, end=\’\’)
unzip(zip_filepath, dataset_path)
print(\’完成.\’)
# 读取数据
data = pd.read_csv(dataset_filepath, usecols=[\’countries_en\’, \’additives_n\’])
# 分析各国家食物中的食品添加剂种类个数
# 1. 数据清理
# 去除缺失数据
data = data.dropna()
# 原csv文件中的countries_en中的数字并不是单独的国家名，有部分是多个国家名用逗号隔开，因此需要将这些多个值的数据拆分成多个行的记录
data = data.drop(\’countries_en\’,axis=1).join(data[\’countries_en\’].str.split(\’,\’,expand=True).stack().reset_index(level=1, drop=True).rename(\’countries_en\’))
# 将国家名称转换为小写
data[\’countries_en\’] = data[\’countries_en\’].str.lower()
# 2. 数据分组统计
country_additives = data[\’additives_n\’].groupby(data[\’countries_en\’]).mean()
# 3. 按值从大到小排序
result = country_additives.sort_values(ascending=False)
# 4. pandas可视化top10
result.iloc[:10].plot.bar()
plt.show()
# 5. 保存处理结果
result.to_csv(\’./country_additives.csv\’)
# 删除解压数据，清理空间
if os.path.exists(dataset_filepath):
os.remove(dataset_filepath)
if __name__ == \’__main__\’:
main()
“`
运行结果：
排名前十的柱状图：
输出的csv文件：
