数据分析-Tableua6.04

今日课程内容

• 内容回顾
• 作业讲解
• Tableua的计算
  • case…when
  • 字符串
  • 日期
• Tableua的参数
  • 动态参考线
  • 图表数据参数
  • 日期参数
  • 图表参数
• 电商案例讲解
  • 数据加载
  • 数据观察
  • 数据处理

今日内容详细

内容回顾

1.构建图形
	盒须图
    树状图
    气泡图
    文字云
    ...
2.Tableua的计算
	聚合函数
    	sum、avg、max、min、count、countd、zn、abs
    if...else
    	四象限颜色设置的图形

作业讲解

1.使用Tableua,绘制上海空心饼图
	step1:上海的销售额占比
    step2:总比例(100%)
    step3:将上海、总比作为颜色及弧度来使用

2.算法题：给定10个数据，后一个数据是前一个数据的描述（10）

有一个列表a,保存10个数据，第一个数据默认为1，后面的数据依次是全面数据的描述
a[0] = 1
a[1] = 11
a[2] = 21
a[3] = 1211
a[4] = 111221
[1,1,1] [2,2] [1]
len
3   1
2   2
1   1

a[5] = 312211
...
对数据进行分割，不同的放置到不同的列表里面
[3] [1] [2, 2] [1,1]
len() + 3  
	   数量 数据
    	1  3
	    1  1
        2  2
        2  1
[
    [3],
    [1],
    [2,2],
    [1,1]
]

# 代码实现
import  time
start = time.time()
a = ['1']
def func(num):
    nums_info = [[num[0]],]
    index = 0
    for x in range(0,len(num)-1):
        if num[x] != num[x+1]:
            info = []
            info.append(num[x+1])
            nums_info.append(info)
            index += 1
        else:
            nums_info[index].append(num[x+1])
    next_num = ""
    for nums in nums_info:
        next_num += str(len(nums)) + nums[0]
    return next_num

for x in range(50):
    a.append(func(a[x]))
print(a)
end = time.time()
print('程序消耗时长：',(end-start))
# '12446722'
# [[1]]  index = 0
#
# []  -> [2]
# [[1],[2]]   index=1
#
# [] -> [4]
# [[1],[2],[4]]  index=2
#
# nums_info[2].append(4)  [4,4]
#
# [] - > [6]
# [[1],[2],[4,4],[6]]...

Tableua计算-CASE

CASE...WHEN
CASE 选项
WHEN 选项1	THEN XXX
WHEN 选项2    THEN XXX
...
END

东北-》地区1
华北-》地区2
...

if 地区==‘华北’ then 地区1
...

Tableua计算-IFNULL

数据处理的时候:缺失值处理
    1、zn()	填充为0
    2、ifnull(num)	填充为任意数据
    等同于python的fillna()    

Tableua计算-字符串

北京日花费3000元
excel：3000元		right	
	   北京		left
       日花费		mid
python	切片
tableua		同excel一样

通过字符串显示数据：xxxx年xx月xx日
df[[产品名称].str.contains('实惠')]

Tableua计算-日期

DATEADD	+
DATEIFF -
知道返回的日期
2021-6-4
2021-5-1
DATEIFF('MONTH')  1
DATEIFF('DAY')  34
案例：
	1、收货日期为发货日期的3天后
    2、计算提交订单到收货一共多少天
    
获取日期数据
DATETRUNC
	日期划分：季度划分
    month()
DATEPART
	日期划分：季度划分

电商案例讲解

'''
    数据的来源：
        某英国的kaggle电商公司的数据，主要产品是零售批发

    数据的字段
    InvoiceNo：      订单号
    StockCode：      商品编号
    Description：    商品描述
    Quantity：       数量
    InvoiceDate      日期
    UnitPrice        单价
    CustomerID       客户id
    Country          国家

    分析的需求？
    1.购买商品数前十的国家是？
    2.交易额前十的国家是？
    3.哪些月份销量较佳？
    4.客单价多少？
    5.用户消费行为分析
'''
'''
    数据分析的基本步骤
    1、加载数据
    2、观察数据
    3、数据处理：数据清洗
    4、建模（完成KPI）
    5、可视化
    6、总结报告
'''
import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['FangSong']
print('----------------step1：加载数据----------------')
df = pd.read_csv('data.csv', dtype=object)

print('----------------step2：观察数据----------------')
print('列名：\n', df.columns)
print()
print('数据类型：\n',df.dtypes)
print()
print('形状：\n',df.shape)
print()
print('索引：\n', df.index)
print()
print('非空统计-计数：\n', df.count())
print()
# 一般无效，数据的类型没有做转换，所以一般先对数据进行清洗
# print('描述性统计：\n', df.describe())
# print()
print('前5条数据：\n', df.head())
print()
print('数据的基本信息：\n',df.info())
'''
通过数据观察，初步了解以下问题
    问题：
    1、数据类型有问题
    2、数据存在缺失值
    3、数据有异常(有负数的数据，退货数据，不需要去分析)
    4、缺少金额一列
'''

print('----------------step3：数据处理-数据清洗----------------')
'''
    一般在做数据分析前，需要对数据进行处理操作，保证数据的准确性
    数据清洗主要包括：
    1、缺失值处理
    2、异常值处理
    3、重复值处理
    4、子集的选择
    5、类型的转换
    6、重命名
    7、数据排序
    8、字段统一化
'''
'''
    1、缺失值处理
'''
df.dropna(inplace=True)

'''
    2、类型转换
'''
df['Quantity'] = df['Quantity'].astype(float)
df['UnitPrice'] = df['UnitPrice'].astype(float)
df['InvoiceDate'] = pd.to_datetime(df['InvoiceDate'])
'''
    3、异常值处理：去除负数的数据
'''
df = df[ df['Quantity']>=0 ]
print(df.describe())
'''
    4、重命名：不需要
    df.rename(columns={旧名:新名...})
'''
'''
    5、排序
'''
df.sort_values(by='InvoiceDate', inplace=True, ignore_index=True)

'''
    6、子集的选择
'''
df['money'] = df['Quantity']*df['UnitPrice']
print(df.head())

'''
    7、字段统一化
    usa USA 是同一个国家，但是不进行同一化处理，会影响结果
     USA
    USA
    apply(处理函数)
    处理函数：去除前后空格，全部转换成大写
'''
df['Country'] = df['Country'].str.upper()
df['Country'] = df['Country'].str.strip()
print(df['Country'])

# 先拷贝元数据
kpi_df = df.copy()
print('----------------step4：建模，完成KPI----------------')
plt.figure('kaggle电商数据分析', figsize=(6.4*1.5,4.8*1.5))
# 封装代码
def kpi(column, i, kpi_title):
    # kpi1:购买商品数前十的国家是？
    kpi1_data = kpi_df.groupby(by='Country')[[column]].sum()
    kpi1_data.sort_values(by=column, ascending=False,inplace=True)
    top_ten_quantity = kpi1_data[:10]
    print(top_ten_quantity)
    plt.subplot(2,2,i)
    plt.title(kpi_title)
    if i in [1,3]:
        plt.xlabel('国家', fontsize=10)
        plt.ylabel('数量', fontsize=10)
        plt.xticks(rotation=90)
        plt.bar(top_ten_quantity.index, top_ten_quantity[column])
    else:
        plt.xlabel('数量', fontsize=10)
        plt.ylabel('国家', fontsize=10)
        plt.barh(top_ten_quantity.index, top_ten_quantity[column])

kpi('Quantity',1,'购买商品数前十的国家是？')
kpi('Quantity',2,'购买商品数前十的国家是？')
kpi('money', 3, '交易额前十的国家是？')
kpi('money', 4, '交易额前十的国家是？')
# kpi2：交易额前十的国家是？

plt.show()

作业

Tableua:
    1、筛选白先生/白女士的订单
    2、计算出生的天数
    3、计算各城市的发货天数
    4、给定日期，计算该日期所在的季度天数
python:
	完成RFM模型