📣 前言
- 👓 可视化主要使用 plotly
- 🔎 数据处理主要使用 pandas
- 🕷️ 数据爬取主要使用 requests
- 👉 本文是我自己在和鲸社区的原创
今天这篇文章将给大家介绍【🧋Python数据可视化全国奶茶饮品加盟数据】
案例。
Step 1. 导入模块
import numpy as np
import pandas as pd
import plotly.graph_objects as go
import plotly.express as px
import jieba
from stylecloud import gen_stylecloud
from IPython.display import Image # 用于在jupyter lab中显示本地图片
import warnings
from pandas.core.common import SettingWithCopyWarning
warnings.filterwarnings('ignore', category=SettingWithCopyWarning)
Step 2. 数据概览
数据下载：关注公众号，回复关键词【奶茶数据】
df1 =pd.read_excel(r"/home/mw/input/naic5590/加盟信息_231214_1702546097.xlsx")
df1.head()
输出结果：
df1.info()
输出结果：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6264 entries, 0 to 6263
Data columns (total 15 columns):
产品名称 6264 non-null object
产品信息 6264 non-null object
公司名称 6264 non-null object
产品标签 6264 non-null object
投资最低金额 6264 non-null float64
投资最高金额 801 non-null float64
投资金额单位 6264 non-null object
项目介绍 6264 non-null object
投资费用 5764 non-null object
加盟扶持 6264 non-null object
主营产品 6255 non-null object
招商地区 6264 non-null object
经营模式 6252 non-null object
品牌源地 1554 non-null object
成立时间 1029 non-null object
dtypes: float64(2), object(13)
memory usage: 734.1+ KB
Step 3. 数据处理
3.1 数据去重
df1 = df1.drop_duplicates(subset=['产品名称'])
3.2 筛选奶茶饮品数据
keywords = ['奶', '茶', '咖啡', '饮品', '饮料']
# 使用 str.contains 方法进行筛选
filtered_df = df1[df1['产品信息'].str.contains('|'.join(keywords), na=False)]
# 输出筛选结果
filtered_df.head(2)
输出结果：
3.3 拆分列
# 拆分并创建新列
filtered_df[['加盟费', '设备费', '原料费', '品牌使用费', '保证金']] = filtered_df['投资费用'].str.split(' ', expand=True)
filtered_df["加盟费"] = filtered_df["加盟费"].apply(lambda x: str(x).replace("加盟费", "").replace("万起", "").replace("万", '').replace("0-", '').replace("免", '0'))
filtered_df["设备费"] = filtered_df["设备费"].apply(lambda x: str(x).replace("设备费", "").replace("万起", "").replace("免", '0').replace("万", '').replace("0-", ''))
filtered_df["原料费"] = filtered_df["原料费"].apply(lambda x: str(x).replace("原料费", "").replace("万起", "").replace("免", '0').replace("万", '').replace("0-", ''))
filtered_df["品牌使用费"] = filtered_df["品牌使用费"].apply(lambda x: str(x).replace("品牌使用费", "").replace("万起", "").replace("免", '0').replace("万", '').replace("0-", ''))
filtered_df["保证金"] = filtered_df["保证金"].apply(lambda x: str(x).replace("保证金", "").replace("万起", "").replace("免", '0').replace("万", '').replace("0-", ''))
filtered_df.head(3)
输出结果：
print("——" * 10)
print('数据集存在重复值个数：')
print(filtered_df.duplicated().sum())
print("——" * 10)
print('数据集缺失值情况：')
print(filtered_df.isna().sum())
print("——" * 10)
print('数据集各字段类型：')
print(filtered_df.dtypes)
print("——" * 10)
print('数据总体概览：')
print(filtered_df.info())
输出结果：
————————————————————
数据集存在重复值个数：
0
————————————————————
数据集缺失值情况：
产品名称 0
产品信息 0
公司名称 0
产品标签 0
投资最低金额 0
投资最高金额 2501
投资金额单位 0
项目介绍 0
投资费用 113
加盟扶持 0
主营产品 2
招商地区 0
经营模式 1
品牌源地 2223
成立时间 2409
加盟费 0
设备费 0
原料费 0
品牌使用费 0
保证金 0
dtype: int64
————————————————————
数据集各字段类型：
产品名称 object
产品信息 object
公司名称 object
产品标签 object
投资最低金额 float64
投资最高金额 float64
投资金额单位 object
项目介绍 object
投资费用 object
加盟扶持 object
主营产品 object
招商地区 object
经营模式 object
品牌源地 object
成立时间 object
加盟费 object
设备费 object
原料费 object
品牌使用费 object
保证金 object
dtype: object
————————————————————
数据总体概览：
<class 'pandas.core.frame.DataFrame'>
Int64Index: 2647 entries, 0 to 6258
Data columns (total 20 columns):
产品名称 2647 non-null object
产品信息 2647 non-null object
公司名称 2647 non-null object
产品标签 2647 non-null object
投资最低金额 2647 non-null float64
投资最高金额 146 non-null float64
投资金额单位 2647 non-null object
项目介绍 2647 non-null object
投资费用 2534 non-null object
加盟扶持 2647 non-null object
主营产品 2645 non-null object
招商地区 2647 non-null object
经营模式 2646 non-null object
品牌源地 424 non-null object
成立时间 238 non-null object
加盟费 2647 non-null object
设备费 2647 non-null object
原料费 2647 non-null object
品牌使用费 2647 non-null object
保证金 2647 non-null object
dtypes: float64(2), object(18)
memory usage: 434.3+ KB
None
Step 4.数据分析可视化
4.1 投资档次分布
def trans(x):
if x<=10:
return "0~10万"
elif 10 < x <= 20:
return "10~20万"
elif 20 < x <= 30:
return "20~30万"
elif 30 < x <= 40:
return "30~40万"
elif 40 < x <= 50:
return "40~50万"
elif 50 < x <= 60:
return "50~60万"
elif 60 < x <= 70:
return "60~70万"
elif 70 < x <= 80:
return "70~80万"
elif 80 < x <= 90:
return "80~90万"
elif 90 < x <= 100:
return "90~100万"
elif x>100:
return ">100万"
filtered_df["投资档次"] = filtered_df["投资最低金额"].apply(lambda x: trans(x))
4.2 投资金额Top榜单
4.3 加盟奶茶投资费用分布
def trans_1(x):
x = float(x)
if x<=2.5:
return "0~2.5万"
elif 2.5 < x <= 5:
return "2.5 ~5万"
elif 5 < x <= 7.5:
return "5~7.5万"
elif 7.5 < x <= 10:
return "7.5~10万"
elif x>10:
return ">10万"
filtered_df["加盟费档次"] = filtered_df["加盟费"].apply(lambda x: trans_1(x))
filtered_df["原料费档次"] = filtered_df["原料费"].apply(lambda x: trans_1(x))
filtered_df["设备费档次"] = filtered_df["设备费"].apply(lambda x: trans_1(x))
filtered_df["品牌使用费档次"] = filtered_df["品牌使用费"].apply(lambda x: trans_1(x))
jmf = filtered_df["加盟费档次"].value_counts()
ylf = filtered_df["原料费档次"].value_counts()
sbf = filtered_df["设备费档次"].value_counts()
ppssyf = filtered_df["品牌使用费档次"].value_counts()
输出结果：
4.4 加盟扶持标语词云图
import ast
jmComments = df1["加盟扶持"].tolist()
hots = []
for jmComment in jmComments:
Comment = ast.literal_eval(jmComment)
for h in Comment:
hots.append(h)
title_content = ','.join(hots)
cut_text = jieba.cut(title_content)
result = ' '.join(cut_text)
# 读入停用词表
exclude = []
with open(r"/home/mw/中文停用词库.txt", 'r', encoding='gbk') as f:
lines = f.readlines()
for line in lines:
exclude.append(line.strip())
# 添加停用词
exclude.extend([""])
输出结果：
4.5 产品标签词云图
title_content = ','.join(df1["产品标签"].tolist())
cut_text = jieba.cut(title_content)
result = ' '.join(cut_text)
# 读入停用词表
exclude = []
with open(r"/home/mw/中文停用词库.txt", 'r', encoding='gbk') as f:
lines = f.readlines()
for line in lines:
exclude.append(line.strip())
# 添加停用词
exclude.extend([""])
完整代码👇
https://www.heywhale.com/mw/project/657c006b3a9aa28a45bfdedf
ps:访问链接点击【在线运行】即可查看完整代码，且不需要担心环境配置问题
数据集下载
关注公众号，回复关键字获取
- END -
以上就是本期为大家整理的全部内容了，喜欢的朋友可以点赞、点在看也可以分享让更多人知道。
👆 关注**「布鲁的Python之旅」**第一时间收到更新
3348
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
