数据分析实战—食物营养信息

1.实战内容

（1） 导入该农业部门食物营养数据的 JSON 数据文件；

# 导入库
import pandas as pd
import json

db = json.load(open('foods-2011-10-03.json'))
print(type(db))
print(type(db[0]))
print(type(db[0]['nutrients']))
print(len(db[0]['nutrients']))
print(type(db[0]['nutrients'][0]))

（2） 查看食物营养数据集的记录数和字段属性名；

print('数据集的记录数为：',len(db))
print('数据集的全部属性为：',db[0].keys())

（3） 查看食物营养数据集中营养成分（nutrients）所包含的信息，并将营养成分的列表数据生成DataFrame

（4） 使用 DataFrame 创建包含食物的 description、group、id、manufacturer 等信息表，并分析食物类别（group）的分布情况，提示每个食品类别的个数；

info_keys = ['description', 'group', 'id', 'manufacturer']
info = pd.DataFrame(db, columns=info_keys)
print('食物信息:\n',info.head())
print('食物类别分布信息:\n',pd.value_counts(info.group))

info.head()

（5） 先创建食物营养数据集中的全部食物营养成分（nutrients）数据表，然后再进行数据分析；

#查看食物类别的种类个数
xx=info['group']
xx1=xx.drop_duplicates(keep='first')
print('种类个数：',xx1.count())
print（xx1）

#(5）将全部的营养数据整合放在一个列表中
nutrients = []
for rec in db:
   fnuts =pd.DataFrame(rec['nutrients'])
#给fnuts表添加一列数据，将每条的id添加到fnuts的id
   fnuts['id'] = rec['id']
   nutrients.append(fnuts)

nutrients_all=pd.concat(nutrients, ignore_index=True)
nutrients_all

pd.value_counts(nutrients_all.description)

pd.value_counts(nutrients_all.group)

（6） 对全部食物营养成分数据进行去重复值操作；

print(nutrients_all.duplicated().sum())
#删除重复项
nutrients_new = nutrients_all.drop_duplicates()
print(nutrients_new)

（7） 将包含食物的名称、分类、编号、制造商等信息表与食物营养成分数据表合并。

col_mapping = {'description' : 'food','group' : 'fgroup'}
info = info.rename(columns=col_mapping, copy=False)
print('info信息\n',info)
col_mapping = {'description' : 'nutrient','group' : 'nutgroup'}
nutrients_new = nutrients_new.rename(columns=col_mapping, copy=False)
print('营养信息\n',nutrients_new)
#将info表与nutrients表合并
ndata = pd.merge(nutrients_new, info, on='id', how='outer')
print('合并信息\n',ndata)

2.数据集下载

https://gitee.com/qxh200000/c_-code/commit/ca6f117a3d02a1e3195bc2d742be86eb901c7e22