大家好，今天又来更新python学习篇了。本次的内容比较简单，时描述性统计代码，直接给出所有代码，如下：
import pandas as pd from scipy.stats import fisher_exact from fuzzywuzzy import fuzz from fuzzywuzzy import process import re base_info = pd.read_excel("./data/附件1.xlsx", index_col=0) sale_info = pd.read_excel("./data/附件2.xlsx") sale_info['销售日期']=pd.to_datetime(sale_info['销售日期']) data=sale_info.join(base_info,on="单品编码") data["销售额（元）"]=data["销量(千克)"]*data["销售单价(元/千克)"] print("--------------------------------------------") print("统计打折销售情况") print(data["是否打折销售"].groupby([data["是否打折销售"],data["分类名称"]]).count()) print("--------------------------------------------") print("统计退货情况") print(data["销售类型"].groupby([data["销售类型"],data["分类名称"]]).count()) print("--------------------------------------------") print("执行Fisher 精确性检验") print(data["销售类型"].groupby([data["销售类型"],data["是否打折销售"]]).count()) table=[[457,4],[830680,47362]] result=fisher_exact(table,alternative='two-sided') print("Fisher 精确性检验结果： ") print("p-value:",result.pvalue) print("statistic:",result.statistic) print("--------------------------------------------") print("执行Fisher 精确性检验") names=base_info["单品名称"].tolist() print(names) print("--------------------------------------------") print("执行字符串匹配") strings=names threshold=80 similar_strings={} for string in strings: best_match=process.extractOne( string, [s for s in strings if s not in [string]], scorer=fuzz .ratio) if best_match[1]>=threshold and best_match[0]!=string and best_match[0][:2]==string[:2]: if re.search(r'\(\d+\)',best_match[0]) and re.search(r'\(\d+\)',string): similar_strings[string]=best_match[0] for original,similar in similar_strings.items(): print(f"'{original}'和'{similar}'")
输出结果如下：
对于其中的一些代码，在此解释：
代码1
第十五行
print(data["是否打折销售"].groupby([data["是否打折销售"],data["分类名称"]]).count())
这行代码使用 pandas 的 groupby() 方法和 count() 方法对 data 数据中的 "是否打折销售" 和 "分类名称" 列进行分组，并对每个分组计数。
groupby() 方法将 DataFrame 根据指定的列名进行分组，返回一个 GroupBy 对象。在这里，我们通过传递表示 "是否打折销售" 和 "分类名称" 的两个列名来分组 data DataFrame。
count() 方法用于计算每组中唯一值的数量。在这里，它返回唯一组合的数量，即 (是否打折销售, 分类名称) 组合的数量。
通过在 groupby() 方法中传递多个列名，我们可以获取多个类别之间的交叉计数。
代码2
table=[[457,4],[830680,47362]] result=fisher_exact(table,alternative='two-sided')
这段代码是使用 `fisher_exact()` 函数对给定的二维表格 `table` 进行 Fisher 精确性检验，并计算 p-value 和统计量，结果将存储在变量 `result` 中。
- `table=[[457,4],[830680,47362]]` 表示给出一个二维表格，其中第一行包含两个元素 `[457,4]`，第二行包含两个元素 `[830680,47362]`；
- `fisher_exact(table, alternative='two-sided')` 表示使用 Fisher 精确性检验对给定的二维表格 `table` 进行检验。`alternative='two-sided'` 表示使用双侧检验。
执行这段代码将会得到 Fisher 精确性检验的结果，包括 p-value 和统计量。具体而言，`result` 变量中将包含一个二元组，第一个元素表示 p-value，第二个元素表示统计量。
代码3
for string in strings: best_match=process.extractOne( string, [s for s in strings if s not in [string]], scorer=fuzz .ratio) if best_match[1]>=threshold and best_match[0]!=string and best_match[0][:2]==string[:2]: if re.search(r'\(\d+\)',best_match[0]) and re.search(r'\(\d+\)',string): similar_strings[string]=best_match[0] for original,similar in similar_strings.items(): print(f"'{original}'和'{similar}'")
这段代码是一个字符串匹配的算法，它会找出与给定字符串相似的其他字符串，并将结果打印出来。
代码的执行过程如下：
1. 对于 `strings` 列表中的每个字符串，依次执行以下步骤：
2. 使用 `process.extractOne()` 函数找到与当前字符串 `string` 最相似的字符串。该函数会在剩余的字符串列表中进行搜索，返回一个二元组，其中第一个元素是最佳匹配的字符串，第二个元素是匹配的分数。
3. 判断最佳匹配的分数是否大于等于设定的阈值 `threshold`，并且最佳匹配的字符串不等于当前字符串 `string`，且最佳匹配的字符串和当前字符串的前两个字符相同。
4. 若上述条件满足，则继续执行下一步。
5. 判断最佳匹配的字符串和当前字符串都是否包含形如 `(数字)` 的字符串。
6. 若上述条件满足，则将原始字符串和相似字符串的对应关系添加到 `similar_strings` 字典中。
7. 遍历 `similar_strings` 字典中的每一项，将原始字符串和相似字符串的对应关系打印出来。
总结来说，该代码的目的是找出在给定阈值和条件下，符合相似性要求的字符串对，并将它们打印出来。这样可以帮助找出在字符串中存在相似内容的情况，并进一步进行处理或分析。
