【jupyter-lab】实战经验积累（一）

#数据分析常用python包
#numpy：科学计算工具包
#pandas：数据分析工具包 
#malplotlib：图表绘制工具包 
#improt语句：加载工具包
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib as mpl
import matplotlib.pyplot as plt
#加上这句话在表格显示中文时才不会出错
plt.rcParams['font.sans-serif']=['SimHei']
%matplotlib inline

#读取当前记载的数据集目录 用pandas包读取数据，使用print（data）验证读取结果 ,engine = 'python'
#data=pd.read_csv('文件路径'，encoding='gbk'，engine = 'python') 
#print(data.head(3))
data=pd.read_csv('D:\\filesserver\\jupyexercise.csv')
#查看前五行的数据
print(data.head(9))

当csv文件中含有中文时，使用encoding='gbk'便可完美解决

#读取当前记载的数据集目录 用pandas包读取数据，使用print（data）验证读取结果 ,engine = 'python'
#data=pd.read_csv('文件路径'，encoding='gbk'，engine = 'python') 
#print(data.head(3))
data=pd.read_csv('D:\\filesserver\\mifen.csv',encoding='gbk')
#查看前五行的数据
print(data.head(9))

#查看数据形状：（行，列）
data.shape

#查看各字段信息
data.info()

#查看店名的数量
data.shopname.value_counts()

#查看缺失值(看的是每一列的缺少有效填充的数量)
data.isnull().sum()

#查看数据结构(count每一列的总数；unique去重后的数量；top最大含量的值；freq频数；mean平均值；std；min最小值；25%；50%；75%；max最大值)
data.describe(include='all')

#查看某一列的众数
model_01=data.shopname.mode()
print(model_01)

#用0来填充缺失值
data=data.fillna(0)
data.isnull().sum()

#提取表格中的有用信息并新增为列
#对标题进行分词处理,jieba库的作用就是对中文文章进行分词，提取中文文章中的词语
#append函数会在数组后加上相应的元素
#导入 jieba
import jieba

newcolumn=[]
for i in data.title:
    j=jieba.lcut(i)
    newcolumn.append(j)

data['new_column']=newcolumn
data[['title','new_column']].head()

#将销售额作为新的一列
data['ssum']=data.salecount*data.price

#转换时间的格式
data['time']=pd.to_datetime(data['time'])
#将时间作为index
data=data.set_index('time')

#添加天为一列
data['day']=data.index.day
#移除数据 del（移除完之后就不要再运行了，再运行的话就需要把这一条删除过后再运行）
#del data['new_column']
data.head()

#可视化分析（查看每一个表头）
data.columns

#matplotlib画柱状图📊 - plt.bar()、plt.barh()
#plt.bar()：正常柱状图📊📊，常见的统计图；
#plt.barh()：横向的柱状图，可以理解为正常柱状图旋转了90°。
plt.figure(figsize=(10,6))
#计算各店铺的商品数量
data.shopname.value_counts().sort_values(ascending=False).plot.bar(width=0.8,color='lime',align='center')
#主标题 侧标题
plt.title('各品牌数目')
plt.ylabel('商品数目')
plt.show()

#同类的归成一组groupby
plt.figure(figsize=(8,5)) 
data.groupby('shopname').salecount.sum().sort_values(ascending=False).plot.bar(width=0.8,color='c',align='center')
#主标题 侧标题
plt.title('品牌总销量')
plt.ylabel('销量')
plt.show()

#同类的归成一组groupby
plt.figure(figsize=(10,5)) 
data.groupby('shopname').ssum.sum().sort_values(ascending=False).plot.bar(width=0.8,color='pink',align='center')
#主标题 侧标题
plt.title('品牌总销量额')
plt.ylabel('销量额')
plt.show()

#绘制饼图
plt.figure(figsize=(10,6))
plt.pie(x=data['salecount'].groupby(data['shopname']).sum(),#绘图数据
        autopct='%.2lf%%', #设置百分比的格式，这里保留2位小数
        pctdistance=0.7, #设置百分比标签与圆心的距离
        labels=data['salecount'].groupby(data['shopname']).sum().index,
        labeldistance=1.1,#设置标签与圆心的距离
        startangle=180, #设置饼图的初始角度
        radius=1, #设置饼图的半径
        counterclock=False, #是否逆时针，这里设置为顺时针方向
        wedgeprops={'linewidth':1.5,'edgecolor':'green'}, #设置饼图内外边界的属性值
        textprops={'fontsize':10,'color':'black'}, #设置文本标签的属性值
       )
plt.title('销量总体占比情况') #饼图总标题