pandas 三种柜机类型 投件率差别分析

  通过观察我们发现，一代柜、二代柜和易邮柜三种柜机直接的投件率存在较大的差别，故此分析一下差别的由来

 第一步：从数据库中提取数据并将其保存在 excel中

#one 提取数据
# con = create_engine('mysql+pymysql://xxx@xxx:3306/xxx')
# data_sql2 = pd.read_sql_query("SELECT `经分-设备大表`.`首次激活时间`,`经分-设备大表`.`设备ID`,`经分-设备大表`.`设备类型`,(SUM(`总投件量`)/SUM(`箱格数`)) as 投件率,SUM(`总投件量`) as 总投件量,SUM(`箱格数`) as 箱格数 FROM `经分-设备大表`  WHERE `时间` > 2018-08-27 GROUP BY `经分-设备大表`.`设备ID`;", con)
#
# data_sql2.to_excel(r'E:\pycharm建立的Python_Project\用python进行数据分析\test.xlsx')

第二步:从excel中读取数据并聚合，分离每种机型的分激活时间的投件率

#一代柜激活时间和投件率
one_type = data.loc[data['设备类型']=='一代柜',:]

a1 = pd.DataFrame(one_type.groupby('首次激活时间').apply(lambda x: sum(x['总投件量']) / sum(x['箱格数']))).reset_index().reset_index().rename(columns = {'index':'日期',0:'投件率'})
a1['投件率'] = a1.loc[a1['投件率'] < 1.2,'投件率']
a1['首次激活时间'] = a1['首次激活时间'].map(lambda x:time.strptime(str(x), '%Y-%m-%d').tm_yday if str(x).split('-')[0]=='2014' else (int(str(x).split('-')[0])-2014)*365+int(time.strptime(str(x), '%Y-%m-%d').tm_yday)) #将

#二代柜激活时间和投件率
one_type = data.loc[data['设备类型']=='二代柜',:]
a2 = pd.DataFrame(one_type.groupby('首次激活时间').apply(lambda x: sum(x['总投件量']) / sum(x['箱格数']))).reset_index().reset_index().rename(columns = {'index':'日期',0:'投件率'}).dropna()
a2['投件率'] = a2.loc[a2['投件率'] < 1.2,'投件率']
a2['首次激活时间'] = a2['首次激活时间'].map(lambda x:time.strptime(str(x), '%Y-%m-%d').tm_yday if str(x).split('-')[0]=='2014' else (int(str(x).split('-')[0])-2014)*365+int(time.strptime(str(x), '%Y-%m-%d').tm_yday)) #将

#易邮柜激活时间和投件率
one_type = data.loc[data['设备类型']=='易邮柜',:]
a3 = pd.DataFrame(one_type.groupby('首次激活时间').apply(lambda x: sum(x['总投件量']) / sum(x['箱格数']))).reset_index().reset_index().rename(columns = {'index':'日期',0:'投件率'})
a3['投件率'] = a3.loc[a3['投件率'] < 1.2,'投件率']
a3['首次激活时间'] = a3[~(a3['首次激活时间'].isin(['9999-12-31','1970-01-02']))]['首次激活时间'].map(lambda x:time.strptime(str(x), '%Y-%m-%d').tm_yday if str(x).split('-')[0]=='2014' else (int(str(x).split('-')[0])-2014)*365+int(time.strptime(str(x), '%Y-%m-%d').tm_yday)) #将

sns1 = sns.regplot(x="首次激活时间", y="投件率",scatter_kws={"s": 20}, data=a1)
sns1.set_ylim([0,1.2])
plt.legend('一代柜')

sns2 = sns.regplot(x="首次激活时间", y="投件率", scatter_kws={"s": 20},data=a2,marker="+")
sns2.set_ylim([0,1.2])
plt.legend('二代柜')

sns3 = sns.regplot(x="首次激活时间", y="投件率",scatter_kws={"s": 20}, data=a3,marker="*")
sns3.set_ylim([0,1.2])

plt.legend(['一代柜','二代柜','易邮柜'])
plt.show()

 结果：

通过图我们得出一下结论:

1、同期激活的一代柜比二代柜使用率高，一代柜不论使用时间长短 普遍 比 二代柜 投件率 高
2、无论哪种柜机 使用时间越久 投件率越高

 没有得出影响投件率的关键因素

接下来我们分析不同柜机数量的分布对投件率的影响：

#各县市所对应的省
aa = pd.read_excel(r'E:\工作中的文件\20181116双十一滞留件分析\各县市对应的省.xlsx')
data_ready = pd.merge(aa,data,on='设备ID')

#计算一代柜 各个省的 设备的数量 和  投件率的相关性
#一代柜 的 各个省的数量 和 投件率的相关性
et = data_ready[data_ready['设备类型'].isin(['一代柜'])].groupby('省').apply(lambda x:x['总投件量'].sum()/x['箱格数'].sum()).reset_index().rename(columns={0:'一代柜投件率'})
et1 = data_ready[data_ready['设备类型'].isin(['一代柜'])].groupby('省')['设备ID'].count().reset_index().rename(columns={'设备ID':'一代柜设备数'})
et2_1 = pd.merge(et,et1)

#计算二代柜 各个省的 设备的数量 和  投件率的相关性
#二代柜 的 各个省的数量 和 投件率的相关性
et = data_ready[data_ready['设备类型'].isin(['二代柜'])].groupby('省').apply(lambda x:x['总投件量'].sum()/x['箱格数'].sum()).reset_index().rename(columns={0:'二代柜投件率'})
et1 = data_ready[data_ready['设备类型'].isin(['二代柜'])].groupby('省')['设备ID'].count().reset_index().rename(columns={'设备ID':'二代柜设备数'})
et2_2 = pd.merge(et,et1)
#计算易邮柜 各个省的 设备的数量 和  投件率的相关性
#易邮柜 的 各个省的数量 和 投件率的相关性
et = data_ready[data_ready['设备类型'].isin(['易邮柜'])].groupby('省').apply(lambda x:x['总投件量'].sum()/x['箱格数'].sum()).reset_index().rename(columns={0:'易邮柜投件率'})
et1 = data_ready[data_ready['设备类型'].isin(['易邮柜'])].groupby('省')['设备ID'].count().reset_index().rename(columns={'设备ID':'易邮柜设备数'})
et2_3 = pd.merge(et,et1)

#三种类型柜机数量和投件量两两计算相关系数
et2_total = pd.merge(et2_1,et2_2).merge(et2_3)
ax = sns.heatmap(et2_total.iloc[:,1:].corr(),cmap="YlGnBu",annot=True)
plt.show()

结果：

 

一代柜和二代柜有较强的相关性