数据探索

目录

• 1 餐饮店日销售额描述统计
• 2 日销售额异常值分析：用箱形图
• 3 第二季度销售额分析：直方图

1 餐饮店日销售额描述统计

import pandas as pd # 导入pandas库
daily_sales_data = '餐饮店日销售额.xls' ## 保存数据路径，excel文件放在.ipynb同一目录下
data = pd.read_excel(daily_sales_data, index_col = '日期') # 读入数据，索引列为‘日期’
print(data.describe()) 

                销量
count   200.000000
mean   2755.214700
std     751.029772
min      22.000000
25%    2451.975000
50%    2655.850000
75%    3026.125000
max    9106.440000

print('观察值数量为',len(data),'个')

观察值数量为 201 个

type(data)

pandas.core.frame.DataFrame

2 日销售额异常值分析：用箱形图

import matplotlib.pyplot as plt  # 导入matplotlib库
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文字符
plt.rcParams['axes.unicode_minus'] = False    # 用来正常显示负号

plt.figure()  # 新建一个绘图窗口
p = data.boxplot(return_type='dict')  # 画箱线图，直接使用DataFrame的方法

y = p['fliers'][0].get_ydata()  #  提取异常值的横轴坐标值保存到y，'flies'即为异常值的标签
y.sort()  # 从小到大排序，该方法直接改变原对象

plt.show()  # 展示箱线图

# p
# p['fliers'][0].get_data()
p['fliers'][0].get_ydata()

array([22.0, 51.0, 60.0, 865.0, 4060.3, 4065.2, 6607.4, 9106.44],
      dtype=object)

返回 目录

3 第二季度销售额分析：直方图

import matplotlib.pyplot as plt  # 导入matplotlib库
path = '第二季度销售额.xls' ## 保存数据路径为path
data = pd.read_excel(path, names=['date','sale']) 
plt.hist(data['sale'],bins=10)
plt.show()

返回 目录

4 不同菜品的利润比较：饼图

import pandas as pd
import matplotlib.pyplot as plt

path = '菜品利润.xls'
profit_data = pd.read_excel(path)

profit_data

	菜品ID	菜品名	盈利
0	17148	百合酱蒸凤爪	9173
1	17154	翡翠蒸香茜饺	5729
2	109	金银蒜汁蒸排骨	4811
3	117	乐膳真味鸡	3594
4	17151	蜜汁焗餐包	3195
5	14	生炒菜心	3026
6	2868	铁板酸菜豆腐	2378
7	397	香煎韭菜饺	1970
8	88	香煎罗卜糕	1877
9	426	原汁原味菜心	1782

x = profit_data['盈利']
labels = profit_data['菜品名']

plt.figure()
plt.pie(x,labels = labels)
plt.axis('equal') # xy轴刻度等长，正圆形
plt.show()

5 不同菜品利润比较：条形图

x = profit_data['菜品名']
y = profit_data['盈利']

plt.figure(figsize=(9,3))
plt.bar(x,y, color = 'grey')
plt.xticks(rotation=30)
plt.xlabel('菜品')
plt.ylabel('利润')
plt.title('菜品利润分布')
plt.show()

6 销售额趋势对比：折线图

import pandas as pd
import matplotlib.pyplot as plt

data = pd.read_excel('各部门销售额.xls')

plt.figure( figsize = [11,3])
plt.plot(data['月份'],data['A部门'], color = 'green',   label='A部门', marker = 'o')
plt.plot(data['月份'],data['B部门'], color = 'red',     label='B部门', marker = 's')
plt.plot(data['月份'],data['C部门'], color = 'skyblue', label='C部门', marker = 'x')
plt.legend()
plt.ylabel('销售额 万元')
plt.show()

7 B部门历年销售额趋势比较：折线图

data = pd.read_excel('B部门销售额.xls')

plt.figure( figsize = [11,3])
plt.plot(data['月份'],data['2012年'], color = 'green',   label = '2012年', marker = 'o')
plt.plot(data['月份'],data['2013年'], color = 'red',     label = '2013年', marker = 's')
plt.plot(data['月份'],data['2014年'], color = 'skyblue', label = '2014年', marker = 'x')

plt.legend() 
plt.ylabel('销售额 万元')
plt.show()

8 描述统计：进阶

import pandas as pd

path = '餐饮店日销售额.xls'
data = pd.read_excel(path, index_col='日期')

data

	销量
日期
2015-03-01	51.0
2015-02-28	2618.2
2015-02-27	2608.4
2015-02-26	2651.9
2015-02-25	3442.1
...	...
2014-08-06	2915.8
2014-08-05	2618.1
2014-08-04	2993.0
2014-08-03	3436.4
2014-08-02	2261.7

201 rows × 1 columns

data = data[(data['销量']>865.0)&(data['销量']<4060.3)]  ## 过滤异常值
statistics = data.describe()

statistics

	销量
count	192.000000
mean	2740.654167
std	382.793227
min	1958.000000
25%	2464.350000
50%	2655.850000
75%	3019.075000
max	3802.800000

statistics.loc['range'] = statistics.loc['max'] - statistics.loc['min'] 

statistics

	销量
count	192.000000
mean	2740.654167
std	382.793227
min	1958.000000
25%	2464.350000
50%	2655.850000
75%	3019.075000
max	3802.800000
range	1844.800000

statistics.loc['var'] = statistics.loc['std']/statistics.loc['mean'] #变异系数

statistics

	销量
count	192.000000
mean	2740.654167
std	382.793227
min	1958.000000
25%	2464.350000
50%	2655.850000
75%	3019.075000
max	3802.800000
range	1844.800000
var	0.139672

statistics.loc['distance'] = statistics.loc['75%'] - statistics.loc['25%']

statistics

	销量
count	192.000000
mean	2740.654167
std	382.793227
min	1958.000000
25%	2464.350000
50%	2655.850000
75%	3019.075000
max	3802.800000
range	1844.800000
var	0.139672
distance	554.725000

9 用电量分析

正常趋势分析

import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文字符
plt.rcParams['axes.unicode_minus'] = False    # 用来正常显示负号

df_normal = pd.read_csv('正常用电数据.csv')

df_normal.head()

	Date	Eletricity
0	2012/2/1	6200
1	2012/2/2	6440
2	2012/2/3	6440
3	2012/2/4	4293
4	2012/2/5	2146

plt.figure( figsize = [16,3] )
plt.plot(df_normal['Date'],df_normal['Eletricity'])
plt.xlabel('日期')
plt.ylabel('正常用电趋势')

x_major_locator = plt.MultipleLocator(8)  ## 调整x轴坐标间距
ax = plt.gca()
ax.xaxis.set_major_locator(x_major_locator)

plt.show()

窃电趋势分析

import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文字符
plt.rcParams['axes.unicode_minus'] = False    # 用来正常显示负号

df_steal = pd.read_csv('窃电用户数据.csv')

df_steal.head()

	Date	Eletricity
0	2012/2/1	6100
1	2012/2/2	6312
2	2012/2/3	6240
3	2012/2/4	4293
4	2012/2/5	3346

plt.figure( figsize = [16,3] )
plt.plot(df_steal['Date'],df_steal['Eletricity'])
plt.xlabel('日期')
plt.ylabel('窃电用电趋势')

x_major_locator = plt.MultipleLocator(8)  ## 调整x轴坐标间距
ax = plt.gca()
ax.xaxis.set_major_locator(x_major_locator)

plt.show()

对比分析

plt.figure( figsize = [16,3] )
plt.plot(df_normal['Date'],df_normal['Eletricity'], color = 'blue',label = '正常')
plt.plot(df_steal['Date'],df_steal['Eletricity'], color = 'red', label='窃电')

plt.xlabel('日期')
plt.ylabel('用电趋势')
plt.legend()

x_major_locator = plt.MultipleLocator(8)  ## 调整x轴坐标间距
ax = plt.gca()
ax.xaxis.set_major_locator(x_major_locator)

plt.show()