项目：全球食品添加剂种类统计（Pandas）

你的名字 2021-11-05 04:46 303阅读 0赞

# 1.涉及知识点：Pandas的数据操作和分析 #

# 2.数据来源：https://www.kaggle.com/openfoodfacts/world-food-facts #

# 3.代码及注释 #

# -*- coding: utf-8 -*-
    
    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 run_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drop
        data = data.dropna()    # 或者data.dropna(inplace=True)
    
        # 将国家名称转换为小写
        # 有的是多个国家名称用逗号隔开，如 Albania,Belgium,France,Germany,Italy,Netherlands,Spain
        # 正确的统计应该是将这些值拆开成多个行记录，然后进行分组统计
        data['countries_en'] = data['countries_en'].str.lower()
    
        # 2. 数据分组统计(groupby)
        country_additives = data['additives_n'].groupby(data['countries_en']).mean()
    
        # 3. 按值从大到小排序(降序)
        result = country_additives.sort_values(ascending=False)
    
        # 4. pandas可视化top10，按整数值位置进行索引，输出柱状图
        result.iloc[:10].plot.bar()
        plt.show()
    
        # 5. 保存处理结果，csv格式
        result.to_csv('./country_additives.csv')
    
        # 删除解压数据，清理空间，remove
        if os.path.exists(dataset_filepath):
            os.remove(dataset_filepath)
    
    if __name__ == '__main__':
        run_main()