Pythonにおける簡単なデータ解析

Question

学校の実験でpythonを用いたデータ解析をしています。
pythonを学習したことは一度もありません。

いきなりサンプルデータとサンプルコードを渡され、理解度はかなり低いです。
そのサンプルコードと授業後の課題についての疑問点を質問させてください。

Jupyter notebook上で動かしています。
まず、ホームディレクトリにホテルの予約に関するデータ(reserve.csv)が表としてまとめてあります。データの一部を以下に示します。
|reserve_id|hotel_id|customer_id|people_num|total_price|
|:--|:--:|--:|
|r1|h_75|c_1|4|97200|
|r2|h_219|c_1|2|20600|
|・・・||・・・||・・・
|r19|h_23|c_3|3|390600|
|・・・||・・・||・・・
|r4030|h_117|c_1000|1|44100

横5×縦4030のデータです。
customer_idはc_1からc_1000の範囲内(重複あり)、people_numの範囲は1から4です。
reserve_idは重複しておらず、1から4030です。
hotel_idはh_1からh_300の範囲内(重複あり)です。

ここで、授業内でホテルごとの予約したことがある顧客数の検出を行いました。

以下のコードを実行したところ、

result = reserve_tb.groupby(‘hotel_id’)[‘customer_id’].nunique().reset_index() 
result.head()

結果は

	hotel_id	customer_id
0	h_1	10
1	h_10	3
2	h_100	19
3	h_101	17
4	h_102	13

となりました。
ここで質問なのですが

4030個のデータから探索したはずなのに、なぜhotel_idは５種類しか表に現れなかったのでしょうか？

また課題で各顧客ごとの予約件数を調査する、というものがあります。
先ほどのコードを踏まえて以下のコードを実行したところ、

reserve_tb.sample(frac=0.5)
result = reserve_tb.groupby('customer_id'['reserve_id'].nunique().reset_index() 
#reset_index 関数によって、行番号を振り直す
#集約処理に適した列名を指定
result.columns = ['customer_id', 'num']
result.head()

	customer_id	num_id
0	c_1	8
1	c_10	6
2	c_100	5
3	c_1000	2
4	c_101	5

またしても5種類のデータしか抽出されませんでした。これはなぜでしょうか？

ここまで長くなってしまい、そして大変見にくくて恐縮ですが、わかるかた教えていただけませんでしょうか。

Answer 1

groupby()について学習しましょう。

pandas.DataFrame.groupby
pandas.DataFrameをGroupByでグルーピングし統計量を算出

実際の抽出数がいくつになるかは私には分かりませんが、重複ありのデータをgroupby()した場合そのデータの種類の数になります。

Comments

[meg_]

head()で表示していたのですね。見落としておりました。
何故5個なのか？の答えはdragoemonさんの回答の通りですね。失礼しました。

Answer 2

head()関数は、データフレームの先頭5行を返します。
すべてを表示したいのであれば、result.head()の部分を単にresultに変えてればOKです。

Comments

[退会済みユーザー]

ありがとうございます！とても困っていたので大変助かりました。