一、今天的學習目標

今天主要會練習以下幾個功能：

使用 Pandas 新增資料欄位。

使用 apply() 和條件判斷分類資料。

使用 value_counts() 統計不同類別的數量。

使用 groupby() 分析各類別的平均價格。

將分析結果輸出成 CSV，方便後續使用。

二、建立書籍資料

實際進行資料分析時，我們通常會先把資料整理成 DataFrame。為了讓程式可以直接在 Google Colab 執行，今天先建立一組模擬書籍資料。

這些資料包含書名、價格和評分，之後也可以替換成前幾天從 Books to Scrape 爬取的資料。

import pandas as pd

data = {
"title": [
"Book A",
"Book B",
"Book C",
"Book D",
"Book E",
"Book F",
"Book G",
"Book H"
],
"price": [
15.99,
25.50,
8.99,
45.00,
32.99,
12.50,
55.00,
19.99
],
"rating": [
5, 4, 3, 5, 2, 4, 5, 3
]
}

df = pd.DataFrame(data)

print(df)

執行後會得到一張書籍資料表，每一列代表一本書，而每個欄位則代表書籍的一項資訊。

目前我們只有原始價格和評分。如果想知道哪些書比較便宜、哪些書屬於高價位，就需要進一步處理資料。

三、新增欄位：將價格轉換成分類

假設我們想將書籍分成三種價格區間：

價格低於 20：便宜

價格介於 20 到 40：中價位

價格高於 40：高價位

這時可以新增一個 price_category 欄位，讓每本書都擁有自己的價格分類。

def classify_price(price):
if price < 20:
return "便宜"
elif price <= 40:
return "中價位"
else:
return "高價位"

df["price_category"] = df["price"].apply(classify_price)

print(df)

這裡有兩個需要理解的地方。

第一個是 classify_price()。它接收一個價格，透過 if、elif 和 else 判斷價格屬於哪個區間，最後回傳分類結果。

第二個是：

df["price"].apply(classify_price)

apply() 會將函式套用到 price 欄位的每一筆資料，再把結果放進新的 price_category 欄位。

例如，價格是 15.99 的書會被分類成「便宜」，價格是 45.00 的書則會被分類成「高價位」。

這樣一來，我們就不只是保存原始數字，也能從資料中建立更有意義的資訊。

四、統計每種價格區間有幾本書

完成分類後，接下來可以使用 value_counts() 統計每個類別出現的次數。

category_count = df["price_category"].value_counts()

print(category_count)

這個方法會計算每個價格分類出現了幾次，並預設按照數量由多到少排列。

如果想將結果整理成適合輸出的 DataFrame，可以再加上 reset_index()：

category_summary = (
df["price_category"]
.value_counts()
.reset_index()
)

category_summary.columns = ["price_category", "book_count"]

print(category_summary)

整理之後，結果會包含兩個欄位：

price_category：價格分類。

book_count：該分類的書籍數量。

這種統計方式很常用。例如，分析商品資料時，可以統計不同價格帶的商品數量；分析問卷時，也可以統計不同選項被選擇的次數。

五、使用 groupby 分析不同價格區間

知道各類別有幾本書之後，我還想知道不同價格區間的平均價格是多少。

這時就可以結合昨天學過的 groupby() 和 agg()。

price_summary = (
df.groupby("price_category")["price"]
.agg(["count", "mean", "min", "max"])
.reset_index()
)

price_summary.columns = [
"price_category",
"book_count",
"average_price",
"minimum_price",
"maximum_price"
]

print(price_summary.round(2))

這段程式會按照 price_category 分組，再針對每一組的價格計算：

count：書籍數量。

mean：平均價格。

min：最低價格。

max：最高價格。

round(2) 則是將數字四捨五入到小數點後兩位，讓價格資料更容易閱讀。

透過這個結果，我們可以比較不同價格區間的資料，也能檢查分類是否符合原本的預期。

要注意的是，這裡的價格區間是我們自行設定的分析規則，不代表實際市場一定會使用相同的分類方式。

六、找出每個價格區間最貴的書

接下來，我想進一步找出每個價格區間中價格最高的書籍。

我們可以使用 groupby() 分組，再搭配 idxmax() 找出每組價格最大值所在的索引。

max_price_index = (
df.groupby("price_category")["price"]
.idxmax()
)

most_expensive_books = df.loc[max_price_index]

print(
most_expensive_books[
["title", "price", "price_category"]
]
)

這裡的 idxmax() 回傳的是每個分類中，價格最高那筆資料的索引位置，而不是直接回傳價格。

接著使用 df.loc[]，就能根據索引找回完整的書籍資料。

這個方法不只可以找出最貴的書，也能用來找出每個商品類別中評價最高的商品，或是每個部門中業績最高的紀錄。

七、將分析結果輸出成 CSV

分析完成後，我們可以將結果儲存起來，方便後續整理報告，或是在下一階段匯入資料庫。

df.to_csv(
"books_with_categories.csv",
index=False,
encoding="utf-8-sig"
)

price_summary.to_csv(
"price_summary.csv",
index=False,
encoding="utf-8-sig"
)

print("資料已成功輸出！")

這裡會產生兩份 CSV：

books_with_categories.csv：包含原始書籍資料與新增的價格分類。

price_summary.csv：包含各價格區間的統計結果。

index=False 可以避免把 Pandas 的索引另外輸出成一個欄位；utf-8-sig 則有助於讓包含中文的 CSV 在部分 Windows 版 Excel 中正常顯示。

如果要從 Google Colab 下載檔案，可以執行：

from google.colab import files

files.download("books_with_categories.csv")
files.download("price_summary.csv")
八、套用到前幾天爬取的書籍資料

前面使用的是模擬資料。如果之前的爬蟲程式已經將書籍資料整理成 all_books，也可以直接轉成 DataFrame。

不過，要先確認價格和評分都是數字，而不是像 "£51.77" 或 "Three" 這樣的文字。

如果資料中的價格已經是數字、評分也已經轉換成 1 到 5，可以這樣處理：

df = pd.DataFrame(all_books)

df["price"] = pd.to_numeric(
df["price"],
errors="coerce"
)

df["rating"] = pd.to_numeric(
df["rating"],
errors="coerce"
)

df = df.dropna(subset=["price", "rating"])

df["price_category"] = df["price"].apply(
classify_price
)

print(df.head())

pd.to_numeric() 會嘗試把欄位轉成數字；遇到無法轉換的內容時，errors="coerce" 會將它轉成缺失值，再透過 dropna() 排除價格或評分無效的資料。

如果你的 all_books 裡面存的價格仍是英鎊文字，或評分仍是 "One"、"Two" 等英文，必須先做對應的清理與轉換，才能正確分析。這也呼應了前幾天學過的資料清理概念。

九、今天的學習心得

今天練習了如何使用 Pandas 新增欄位，並把原始的價格資料轉換成不同分類。接著透過 value_counts()、groupby() 和 idxmax()，統計各類別的數量、價格分布，以及每個分類中最貴的書籍。

我發現資料分析不只是把數字算出來，更重要的是先思考自己想回答什麼問題，再決定要怎麼整理資料。例如，原本只有價格的資料，經過分類之後，就可以更直觀地比較不同價格區間的書籍。

接下來，我會繼續把前面學過的爬蟲、資料清理和 Pandas 分析串起來，讓資料從取得、整理到分析的流程更加完整，也為後續的 SQLite 資料庫應用做準備。