Python 資料分析預測商品銷售額
阿新 • • 發佈：2021-06-21
一、選題的背景
選擇此題: 題目來源於Kaglge競賽平臺，具有一定的學習意義。可以更好的理解機器學習和資料分析的券過程。
目標：根據商店的銷售資料預測商品的銷售額
社會: 通過機器學習幫助商店老闆做出決策，可以提供貨物的資源利用率，促進社會經濟發展。
經濟: 通過對銷售額的預測，可以更好的幫助老闆進貨和銷售，提高商店的收益。
技術: 通過這一次的專案的學習，可以學到機器學習，資料探勘的全部流程。從資料獲取，到資料處理，特徵選擇，模型建立各個方面全面掌握機器學習的流程。可以更深入對機器學習總迴歸任務的理解。
二、大資料分析設計方案
1.資料集描述：訓練集樣本個數：8523， 測試集樣本個數：5681。
2.專案實現的主要思路
（1） 觀察資料集各個特徵，ᨀ出猜想，結果可能和哪些因素有關 （2）檢查各個特徵的資料型別，將其轉化為樹枝型別方便計算 （3）觀察資料的缺失值，確定缺失值處理方法 （4）觀察訓練集和測試集的特徵分佈規律，看看有沒有需要刪除的 （5）樣本資料的標準化（歸到 0-1 之間） （6）建模處理訓練集的異常值 （7）構建多個模型，分別使用交叉驗證和網格搜尋選出最有的引數 （8）使用融合的方法，對多個模型的結果加權求和三、資料分析步驟
1.資料來源
資料來源https://datahack.analyticsvidhya.com/contest/practice-problem-big-mart-sales-iii/
2.資料清洗
非數值型別對映為數值型別 （1）統計 Item_Weight 特徵所有的變數，結果如下圖所示（圖片左邊一列表示該列出現的類別，右邊是計數。如第一行 Low Fat 5089 表示 Item_Weigh 特徵所在列共有 5089 個樣本的特徵值為 Low Fat），雖然統計發現有四個欄位，但是發現 LF,low fat, Low Fat 都表示低脂，可以合為一項，用數字 0 代替。Regular 和 reg 都表示正常可合為一項，用數字 1 代替；（2）統計 Outlet_Size 特徵所有的變數，結果如下圖所示，商店大小有三種類型,按如下規則：Small : 用數值 1 代替；Medium: 用數值 2 代替；High: 用數值 3 代替
（3）統計 Outlet_Location_Type 特徵所有的變數，結果如下圖 ，商店地域有三種類型,按如下規則：Tier1: 用數值 1 代替；Tier2: 用數值 2 代替；Tier3: 用數值3 代替
（4）統計 Item _Type 特徵所有的變數，結果如下圖，發現有 16 種類型的變數，我們第一次嘗試將這 16 種類型對映到 1-16 共 16 個整數上，後來參考網上的其他人的做法，將這 16 種劃分為 3 大類，食物(Fruits and Vegetables, Snack Foods,Meat, Baking Goods, Bread, Breakfast, Frozen Foods, Dairy, Starchy Foods)，日用品(Household, Others, Health and Hygiene)酒水(Soft Drinks, HardDrinks)。處理完的特徵較原來的特徵模型分數有所提高
1 import pandas as pd 2 import numpy as np 3 import matplotlib.pyplot as plt 4 import seaborn as sns 5 6 from math import sqrt 7 from sklearn.metrics import mean_squared_error # 計算均方誤差 8 from sklearn.metrics import make_scorer 9 from sklearn.model_selection import train_test_split 10 11 from sklearn.model_selection import GridSearchCV, RepeatedKFold, cross_val_score,cross_val_predict,KFold 12 from sklearn.ensemble import RandomForestRegressor, GradientBoostingRegressor,AdaBoostRegressor 13 from sklearn.linear_model import LinearRegression, Lasso, Ridge, ElasticNet 14 15 import warnings 16 warnings.filterwarnings("ignore") 17 %matplotlib inline 18 %config InlineBackend.figure_format = 'svg'
匯入資料集
1 train_data = pd.read_csv("train_data.csv") 2 test_data = pd.read_csv("test_data.csv") 3 train_data.head() 4 # len(test_data)
資料數值化操作
1 def small_class_num(data): 2 try: 3 #Item_Fat_Content 4 Item_Fat_Content = {'Low Fat':0, 'Regular':1,"LF":0,"reg":1,"low fat":0,} 5 data["Item_Fat_Content"] = data["Item_Fat_Content"].apply(lambda x: Item_Fat_Content[x]) 6 #Outlet_Size 7 # Outlet_Size = {'Small':1, 'Medium':2, 'High':3,'NONE':4} 8 # data["Outlet_Size"].fillna("NONE",inplace=True) #填充缺失值 9 # data["Outlet_Size"] = data["Outlet_Size"].apply(lambda x: Outlet_Size[x]) 10 data["Outlet_Size"].replace({"Small":1,"Medium":2,"High":3},inplace = True) 11 #Outlet_Location_Type 12 Outlet_Location_Type = {'Tier 3':3, 'Tier 2':2, 'Tier 1':1} 13 data["Outlet_Location_Type"] = data["Outlet_Location_Type"].apply(lambda x: Outlet_Location_Type[x]) 14 #Outlet_Type 15 Outlet_Type = {'Supermarket Type1':1, 'Supermarket Type2':2, 'Supermarket Type3':3, 'Grocery Store':4,} 16 data["Outlet_Type"] = data["Outlet_Type"].apply(lambda x: Outlet_Type[x]) 17 except: 18 print("數值化已經完成過，切勿重複操作") 19 20 small_class_num(train_data) 21 small_class_num(test_data)
1 def item_type_num(data): 2 try: 3 data["Item_Type"].replace({"Fruits and Vegetables":"FD","Meat":"FD","Dairy":"FD","Breakfast":"FD"},inplace = True) 4 data["Item_Type"].replace({"Snack Foods":"FD","Frozen Foods":"FD","Canned":"FD"},inplace = True) 5 data["Item_Type"].replace({"Baking Goods":"FD","Breads":"FD","Canned":"FD","Seafood":"FD","Starchy Foods":"FD"},inplace = True) 6 data["Item_Type"].replace({"Household":"NC","Health and Hygiene":"NC","Others":"NC"},inplace = True) 7 data["Item_Type"].replace({"Soft Drinks":"DR","Hard Drinks":"DR",},inplace = True) 8 data["Item_Type"].value_counts() 9 data["Item_Type"].replace({"FD":1,"NC":2,"DR":3},inplace = True) 10 except: 11 print("數值化已經完成過，切勿重複操作") 12 item_type_num(train_data) 13 item_type_num(test_data)
1 train_data.isnull().sum()
缺失值處理
1 def Item_Weight_filna(data): 2 """ 3 根據商品ID填充,沒有則填充平均值 4 """ 5 data[data.isnull().values==True] ##檢視空行 6 Item_Weight_Missing = data[data["Item_Weight"].isnull()].index.tolist() 7 Item_Weight_Missing_ID = data["Item_Identifier"][Item_Weight_Missing].tolist() 8 data["Item_Weight"] = data["Item_Weight"].fillna(-1) 9 data_dict = data.groupby('Item_Identifier').Item_Weight.apply(list).to_dict() 10 for item in data_dict: 11 a = data_dict[item] 12 while -1.0 in a: 13 a.remove(-1.0) 14 b = [] 15 for item in Item_Weight_Missing_ID: 16 try: 17 b.append(data_dict[item][0]) 18 except: 19 b.append(data["Item_Weight"].mean()) 20 data["Item_Weight"][Item_Weight_Missing] = b 21 22 Item_Weight_filna(train_data) 23 Item_Weight_filna(test_data)數值型別特徵歸一化處理 （1） 對於連續性變數(Item_Weight,Item_Visibility,Item_MRP,)，發現有的特徵值特別大，有的特徵值很小，所以我們將連續型數值標準化。使用 min-max 標準化方法。 （2）其中，對於商店成立的年份(Outlet_Establishment_Year)，我們改用商店成立的時間，用當前年份減去成立時間可得。這樣可以減小模型的計算量。 （3）商店 ID (IOutlet_Identifier)和 商品 ID (tem_Identifier,)看上去無用，暫時不做處理。 資料缺失值處理 （1） 對資料集進行統計可知，資料集（包括測試集和訓練集）都存在缺失值，兩個資料集的確實值主要集中在 Item_Weight 和 Outlet_Size 上。其中訓練集Item_Weight 缺失 1463 個，Outlet_Size 缺失 2410 個；測試集 Item_Weight 缺失 976個，Outlet_Size 缺失 1606 個 （2）對 Outlet_Size 的缺失值進行處理。我們通過計算所有特徵兩兩間的皮爾遜係數，得出了特徵間的關係矩陣。將其畫成熱力圖可以很明顯的看出，Outlet_Size 和Outlet_Location_Type 之間的關係最為密切。所以，我們採用了隨機森林的演算法，對已有 Outlet_Size 的書籍構建了模型，然後去預測缺失值。（特徵關係矩陣如下圖所示）
1 matrix = train_data.corr() #相關係數矩陣 2 f, ax = plt.subplots(figsize=(8, 8)) 3 sns.heatmap(matrix,vmax=.8, square=True,cmap="BuPu",annot=True)（3）對 Item_Weight 的缺失值進行處理。發現商品的 Item_Weight 和 商品的 ID 有關係，我們可以根據已有重量的商品 ID 去填充其他的缺失值。（如下圖所示） 銷售額分佈曲線 預測結果之因變數分析：我們觀察了銷售金額的頻率分佈圖，發現銷售額主要集中在 0 – 4000 之間
1 g = sns.kdeplot(train_data["Item_Outlet_Sales"], color="Red", shade = True) 2 g.set_xlabel("Item_Outlet_Sales") 3 g.set_ylabel("Frequency")
3.大資料分析過程及採用的演算法
使用隨機森林進行缺失值填充
1 from sklearn.ensemble import RandomForestClassifier 2 def Outlet_Size_filna(train_data): 3 """ 4 上述方法失效，使用隨機森林進行填充 5 """ 6 try: 7 train_data["Outlet_Size"].fillna(-1,inplace=True) #填充缺失值 8 fc=RandomForestClassifier() 9 Outlet_Size_Miss = train_data.loc[train_data["Outlet_Size"] == -1] 10 Outlet_Size_Train = train_data.loc[train_data["Outlet_Size"] != -1] 11 Train_P = Outlet_Size_Train[["Outlet_Location_Type"]] 12 Train_L = Outlet_Size_Train["Outlet_Size"] 13 fc=RandomForestClassifier() 14 fc.fit(Train_P,Train_L) 15 c = Outlet_Size_Miss["Outlet_Location_Type"].values.reshape(-1,1) 16 d = fc.predict(c) 17 train_data.loc[train_data["Outlet_Size"]==-1,"Outlet_Size"] = d 18 except: 19 print("缺失值填充完畢，請勿重複操作！！！") 20 21 Outlet_Size_filna(train_data) 22 Outlet_Size_filna(test_data)
各個特徵與結果的關係
1 def draw_feature_result(feature,x=10,y=4): 2 fig, (ax1, ax2) = plt.subplots(1,2, figsize=(x,y)) 3 sns.barplot(x = feature, y="Item_Outlet_Sales", data=train_data, ax=ax1) 4 5 feature_1 = train_data['Item_Outlet_Sales'].groupby(train_data[feature]).sum() 6 dict_feature_1 = {feature:feature_1.index,'Item_Outlet_Sales':feature_1.values} 7 dict_feature_1 = pd.DataFrame(dict_feature_1) 8 sns.barplot(x=feature, y="Item_Outlet_Sales", data=dict_feature_1, ax=ax2) 9 10 draw_feature_result("Item_Fat_Content")
特徵選擇之商品種類和結果的關係：通過圖表(如下圖左)我們可以得出各個型別平均每一樣物品的銷售額差不多，但是不同類別的銷售總額差別比較大（如下圖右）。可以看出，食物類的商品銷售總額最多，說明商品種類和銷售金額是存在一定的關係的，故該特徵保留。
1 draw_feature_result("Item_Type")
特徵選擇之商店大小和結果的關係：通過圖表(如下圖左)我們可以得出各個商店平均每一樣物品的銷售額差不多，但是不同大小的商店的銷售總額差別比較大（如下圖右）。可以看出，大超市銷售總額最多，說明商店大小和銷售金額是存在一定的關係的，故該特徵保留。
1 draw_feature_result("Outlet_Size")
特徵選擇之商店所在地和結果的關係：通過圖表(如下圖左)我們可以得出各個地區商店平均每一樣物品的銷售額差不多，但是不同地區的商店的銷售總額差別比較大（如下圖右）。說明商店所在地和銷售金額是存在一定的關係的，故該特徵保留
1 draw_feature_result("Outlet_Location_Type",x=10,y=3)
特徵選擇之商店型別和結果的關係：通過圖表(如下圖左)我們可以得出各個地區商店平均每一樣物品的銷售額相差比較大，不同地區的商店的銷售總額差別也比較大（如下圖右）。說明商店型別和銷售金額是存在一定的關係的，故該特徵保留
1 draw_feature_result("Outlet_Type")
訓練集特徵分佈規律和測試集特徵分佈規律對比
通過對比訓練集和測試集的特徵分佈規律，我們可以看刪除一些分佈規律明顯不同的特徵，這裡我們做了對比後發現，訓練集和測試集特徵的分佈的規律幾乎一致，所以不做特徵的刪除或選擇工作。（分佈規律如下圖所示，橫軸表示特徵，縱軸表示頻率）
1 train_data["oringin"]="train" 2 test_data["oringin"]="test" 3 all_data = pd.concat([train_data,test_data],axis=0,ignore_index=True) 4 target = all_data['Item_Outlet_Sales'] 5 del all_data["Item_Identifier"] 6 del all_data["Outlet_Identifier"] 7 del all_data["Item_Outlet_Sales"] 8 all_data["Item_Outlet_Sales"] = target
1 for column in all_data.columns[0:-2]: 2 g = sns.kdeplot(all_data[column][(all_data["oringin"] == "train")], color="Red", shade = True) 3 g = sns.kdeplot(all_data[column][(all_data["oringin"] == "test")], ax =g, color="Blue", shade= True) 4 g.set_xlabel(column) 5 g.set_ylabel("Frequency") 6 g = g.legend(["train","test"]) 7 # plt.savefig(column + "distri.svg") 8 plt.show()
年份處理和浮點數標準化
1 all_data["Outlet_Establishment_Year"] = 2013 - all_data["Outlet_Establishment_Year"] 2 continus_value = ["Item_Weight", "Item_Visibility", "Item_MRP",] 3 def nornomalize(train_data,continus_value): 4 for vlaue in continus_value: 5 train_data[vlaue] = (train_data[vlaue] - train_data[vlaue].min()) / (train_data[vlaue].max() - train_data[vlaue].min()) 6 nornomalize(all_data,continus_value)
區分測試集和訓練集
1 def get_training_data(): 2 """ 3 獲取訓練資料 4 """ 5 df_train = all_data[all_data["oringin"]=="train"] 6 y = df_train.Item_Outlet_Sales 7 X = df_train.drop(["oringin","Item_Outlet_Sales"],axis=1) 8 X_train,X_valid,y_train,y_valid=train_test_split(X,y,test_size=0.3,random_state=100) 9 return X_train,X_valid,y_train,y_valid 10 11 def get_test_data(): 12 """ 13 獲取測試資料 14 """ 15 df_test = all_data[all_data["oringin"]=="test"].reset_index(drop=True) 16 return df_test.drop(["oringin","Item_Outlet_Sales"],axis=1)
評價標準rmse和mse，用make_scorer方便帶入cv驗證
1 def rmse(y_true, y_pred): 2 """ 3 評價標準1 4 """ 5 return sqrt(mean_squared_error(y_true, y_pred)) 6 7 8 def mse(y_ture,y_pred): 9 """ 10 評價標準2 11 """ 12 return mean_squared_error(y_ture,y_pred) 13 14 rmse_scorer = make_scorer(rmse, greater_is_better=False) 15 mse_scorer = make_scorer(mse, greater_is_better=False)
離群的檢查
1 def find_outliers(model, X, y, sigma=3): 2 """ 3 根據模型找出異常點 4 model: 預測模型 5 X: 資料特徵 6 y: 資料標籤 7 sigma: 離群點閥值 8 """ 9 try: 10 y_pred = pd.Series(model.predict(X), index=y.index) 11 except: 12 model.fit(X,y) 13 y_pred = pd.Series(model.predict(X), index=y.index) 14 15 resid = y - y_pred # 計算結果差值 16 mean_resid = resid.mean() #結果差的均值 17 std_resid = resid.std() #結果的標準方差 18 19 z = (resid - mean_resid)/std_resid #標準化 20 outliers = z[abs(z)>sigma].index 21 22 print('rmse=',rmse(y, y_pred)) 23 print("mse=",mean_squared_error(y,y_pred)) 24 print('---------------------------------------') 25 26 print('mean of residuals:',mean_resid) 27 print('std of residuals:',std_resid) 28 print('---------------------------------------') 29 30 print(len(outliers),'outliers:') 31 print(outliers.tolist()) 32 33 plt.figure(figsize=(20,4)) 34 ax_131 = plt.subplot(1,3,1) 35 plt.plot(y,y_pred,'.') 36 plt.plot(y.loc[outliers],y_pred.loc[outliers],'ro') 37 plt.legend(['Accepted','Outlier']) 38 plt.xlabel('y') 39 plt.ylabel('y_pred'); 40 41 ax_132=plt.subplot(1,3,2) 42 plt.plot(y,y-y_pred,'.') 43 plt.plot(y.loc[outliers],y.loc[outliers]-y_pred.loc[outliers],'ro') 44 plt.legend(['Accepted','Outlier']) 45 plt.xlabel('y') 46 plt.ylabel('y - y_pred'); 47 48 ax_133=plt.subplot(1,3,3) 49 z.plot.hist(bins=50,ax=ax_133) 50 z.loc[outliers].plot.hist(color='r',bins=50,ax=ax_133) 51 plt.legend(['Accepted','Outlier']) 52 plt.xlabel('z') 53 54 plt.savefig('outliers.png') 55 56 return outliers利用梯度提升演算法對找出訓練集的異常點 通過模型預測的結果與實際結果進行對比，發現異常點。對預測結果與實際的差做標準化處理，值大於某個數（圖中 sigma 取值為 3）則判斷為異常點，在接下來的模型訓練中要將其刪除（如下圖所示，左圖，縱軸為預測的值，右圖縱軸為預測和實際的差）
1 from sklearn.model_selection import train_test_split 2 X_train, X_valid,y_train,y_valid = get_training_data() 3 test=get_test_data() 4 outliers = find_outliers(GradientBoostingRegressor(), X_train, y_train)
交叉驗證
梯度提升演算法建模預測結果梯度提升演算法，採用網格搜尋調參，10 次 10 折交叉驗證得出最優的引數為n_estimators=70，max_depth =3, 訓練集最好的 rmse = 951.7399 , 驗證集測試的結果為 1078.8195 。（預測結果的相關係數如下圖左所示，標準差如下圖右所示）
1 from sklearn.preprocessing import StandardScaler 2 def train_model(model, param_grid=[], X=[], y=[], splits=5, repeats=5): 3 """ 4 使用K折交叉驗證 5 6 """ 7 rkfold = RepeatedKFold(n_splits=splits, n_repeats=repeats) 8 9 gsearch = GridSearchCV(model, param_grid, cv=rkfold, scoring="neg_mean_squared_error", verbose=1, return_train_score=True) 10 gsearch.fit(X,y) 11 model = gsearch.best_estimator_ #選擇最好的模型 12 best_idx = gsearch.best_index_ 13 14 grid_results = pd.DataFrame(gsearch.cv_results_) #CV模型 15 cv_mean = abs(grid_results.loc[best_idx,'mean_test_score']) 16 cv_std = grid_results.loc[best_idx,'std_test_score'] 17 cv_score = pd.Series({'mean':cv_mean,'std':cv_std}) 18 y_pred = model.predict(X) 19 print('----------------------') 20 print(model) 21 print('----------------------') 22 print('rmse=',rmse(y, y_pred)) 23 print('mse=',mse(y, y_pred)) 24 print('cross_val: mean=',cv_mean,', std=',cv_std) 25 26 y_pred = pd.Series(y_pred,index=y.index) 27 resid = y - y_pred 28 mean_resid = resid.mean() 29 std_resid = resid.std() 30 z = (resid - mean_resid)/std_resid 31 n_outliers = sum(abs(z)>3) 32 33 plt.figure(figsize=(20,4)) 34 ax_131 = plt.subplot(1,3,1) 35 plt.plot(y,y_pred,'.') 36 plt.xlabel('y') 37 plt.ylabel('y_pred'); 38 plt.title('corr = {:.3f}'.format(np.corrcoef(y,y_pred)[0][1])) #相關係數 39 ax_132=plt.subplot(1,3,2) 40 plt.plot(y,y-y_pred,'.') 41 plt.xlabel('y') 42 plt.ylabel('y - y_pred'); 43 plt.title('std resid = {:.3f}'.format(std_resid)) 44 45 ax_133=plt.subplot(1,3,3) 46 z.plot.hist(bins=50,ax=ax_133) 47 plt.xlabel('z') 48 plt.title('{:.0f} samples are outliers'.format(n_outliers)) 49 50 return model, cv_score, grid_results梯度提升演算法建模預測結果 梯度提升演算法，採用網格搜尋調參，10 次 10 折交叉驗證得出最優的引數為n_estimators=70,max_depth =3, 訓練集分數 rmse = 581.3993，測試集 rmse =1089.5227。（如下圖所示）
Xgboost 演算法，採用網格搜尋調參，10 次 10 折交叉驗證得出最優的引數為n_estimators=70，max_depth =3, 訓練集最好的 rmse = 954.4746 , 驗證集測試的結果為 1077.1127 。（預測結果的相關係數如下圖左所示，標準差如下圖右所示）
1 from xgboost import XGBRegressor 2 param_grid_xg = {'n_estimators': [70, 75, 80],'max_depth': [1, 2, 3]} # xgboost 3 model_xg, cv_score_xg, grid_results_xg = train_model(XGBRegressor(), param_grid_xg, X1, y1, splits=10, repeats=10) 4 submit_xg = model_xg.predict(get_test_data())
嶺迴歸 Ridge 演算法建模預測結果
隨機森林演算法，採用網格搜尋調參，10 次 10 折交叉驗證得出最優的引數為alpha =0.75， 訓練集最好的 rmse = 1199.7880 , 驗證集測試的結果為1282.57691 alph_range = np.arange(0.25,6,0.25) # 嶺迴歸 2 param_grid_ridge = {'alpha': alph_range} 3 model_ridge, cv_score_ridge, grid_results_ridge = train_model( Ridge(), param_grid_ridge, X1, y1, splits=10, repeats=10) 4 submit_ridge = model_ridge.predict(get_test_data())
1 final_1 = 0.4*(submit_xg+submit_gbdt)+ 0.1*(submit_ridge+ submit_rf) # 1162.9265 2 final_2 = 0.5*submit_xg + 0.3 * submit_gbdt + 0.1 * submit_ridge + 0.1 * submit_rf # 1162.6200 3 final_3 = 0.8*submit_xg + 0.1 * submit_gbdt + 0.05 * submit_ridge + 0.05 * submit_rf # 1157.9485 4 final_4 = 0.2*submit_xg + 0.6 * submit_gbdt + 0.1 * submit_ridge + 0.1 * submit_rf # 1163.5908 5 final_5 = 0.8*submit_xg + 0.1 * submit_ridge + 0.1 * submit_rf # 1161.8037 6 final_6 = 0.8*submit_xg + 0.2 * submit_gbdt # 1155.1319 7 final_7 = 0.9*submit_xg + 0.1 * submit_gbdt # 1154.9201
1 def result_submit(filename, submit): 2 """ 3 func: 結果提交函式 4 """ 5 df = pd.read_csv(filename) 6 df["Item_Outlet_Sales"] = submit 7 df.to_csv("1.csv", index=False) 8 9 10 result_submit("SampleSubmission_TmnO39y.csv", final_7)
四、總結
1.有益的結論：
（1）商品銷售額與各種因素有關，比如說商店位置等
（2）特徵分析很重要，好的特徵能提高準確率
（3）模型選擇很重要，模型的整合往往能帶來更好的結果
達到了預期的目標
2.通過完成此設計過程中，我收穫了，數值的替換都可以用replace，資料分析常用模組有三個：numpy：矩陣計算等數學計算，pandas：基於numpy的資料分析工具，使用資料框對錶結構的資料進行分析，matplotlib：資料視覺化，本次課程主要學習前兩者。numpy一維陣列與列表的區別：一維陣列提供了很多統計功能，一維陣列可以向量化運算，一維陣列全是相同的資料型別。pandas的Series有index，我們可以在使用的時候指定這些index。iloc根據位置獲取元素的值，loc方法根據index索引值獲取元素的值。querySer篩選這裡要仔細理解，涉及到行和列的變化。要理解【行，列】這裡的控制變數的問題，前面是對於行的篩選，後面是對於列的篩選。