得到一份益生菌試吃一週後的問券，不同職業、身高、體重的人食用後的滿意度調查結果。

	滿意度	職業	身高	體重
0	8	律師	165	54
1	5	教師	150	90
2	4	美容師	170	58
3	2	醫師	160	53
4	6	律師	158	66
5	8	教師	180	82
6	5	機師	188	85
7	7	醫師	182	75
8	6	護理師	166	56
9	8	護理師	163	55
10	9	護理師	150	48

查看資料詳細資訊

df1.info()

執行結果：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 11 entries, 0 to 10
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   滿意度     11 non-null     int64 
 1   職業      11 non-null     object
 2   身高      11 non-null     int64 
 3   體重      11 non-null     int64 
dtypes: int64(3), object(1)
memory usage: 480.0+ bytes

資料大小

df1.shape

執行結果：
(11, 4)

統計數據

df1.describe().T

執行結果：
	count	mean	std	min	25%	50%	75%	max
滿意度	11.0	6.181818	2.088932	2.0	5.0	6.0	8.0	9.0
身高	11.0	166.545455	12.532866	150.0	159.0	165.0	175.0	188.0
體重	11.0	65.636364	14.813998	48.0	54.5	58.0	78.5	90.0

可使用groupby()，依據職業欄位來查看

A=df.groupby(['職業'])
print(A)

執行結果：
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x7baaebbafca0>

並以value_counts()統計欄位資料，以職業分類，查看不同職業的滿意度

B=A['滿意度'].value_counts()
print(B)

執行結果：
職業   滿意度
律師     6      1 
         8      1 
教師     5      1 
         8      1 
機師     5      1 
美容師   4      1 
護理師   6      1 
        8      1 
        9      1 
醫師    2      1 
        7      1 
Name: 滿意度, dtype: int64

查看職業為律師的問券回答狀況

A.get_group("律師")

執行結果：
	滿意度	職業	身高	體重
0	8	律師	165	54
4	6	律師	158	66

看職業為護理師的問券回答狀況

A.get_group("護理師")

執行結果：
滿意度	職業	身高	體重
8	6	護理師	166	56
9	8	護理師	163	55
10	9	護理師	150	48

查看以職業群組化後的統計數據

C=A['滿意度'].aggregate(['min', 'max', 'mean', 'median'])
print(C)

執行結果：
     min  max      mean  median
職業                             
律師     6    8  7.000000     7.0
教師     5    8  6.500000     6.5
機師     5    5  5.000000     5.0
美容師    4    4  4.000000     4.0
護理師    6    9  7.666667     8.0
醫師     2    7  4.500000     4.5

明天繼續加油囉~