数据分析_时间维度对比及变化可视化分析(Pandas和Matplotlib)
分析维度包括:
-
各年度合计销量
-
各年度合计销售额
-
各年度平均每公斤销售额
-
各月度销量对比
-
各月度销售额变化
构建测试数据
这里你可以了解到:
-
如何生成时间相关的数据。
-
如何从列表（可迭代对象）中生成随机数据。
-
Pandas 的 DataFrame 自行创建, 包含生成新字段。
-
Pandas 数据合并。
(1) 构建数据: 时间字段:
time_range = pd.date_range(start="2019/01/01", end="2021/12/31")
print("[Message] Time Range Built Through Pandas:")
print(time_range)
print("[Message] Time Length Built Through Pandas:")
print(len(time_range))
输出:
[Message] Time Range Built Through Pandas:
DatetimeIndex(['2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04',
'2019-01-05', '2019-01-06', '2019-01-07', '2019-01-08',
'2019-01-09', '2019-01-10',
...
'2021-12-22', '2021-12-23', '2021-12-24', '2021-12-25',
'2021-12-26', '2021-12-27', '2021-12-28', '2021-12-29',
'2021-12-30', '2021-12-31'],
dtype='datetime64[ns]', length=1096, freq='D')
[Message] Time Length Built Through Pandas:
1096
(2) 构建数据: 水果列表:
fruits = ["香蕉", "苹果", "葡萄", "橙子", "哈密瓜", "芭乐", "梨", "桃子"]
fruits_list = np.random.choice(fruits, size=len(time_range), replace=True)
print("[Message] Fruits List Built Through NumPy:")
print(fruits_list)
print("[Message] Length of Fruits List Built Through NumPy:")
print(len(fruits_list))
输出:
[Message] Fruits List Built Through NumPy:
['香蕉' '葡萄' '香蕉' ... '香蕉' '橙子' '桃子']
[Message] Length of Fruits List Built Through NumPy:
1096
(3) 构建数据: 客户列表:
names = ["Mike", "Jhon", "Tom", "Xiaoming", "Jimmy", "Lym", "Michk"]
names_list = np.random.choice(names, size=len(time_range), replace=True)
print("[Message] Customer List Built Through NumPy:")
print(names_list)
print("[Message] Length of Customer List Built Through NumPy:")
print(len(names_list))
输出:
[Message] Customer List Built Through NumPy:
['Mike' 'Michk' 'Michk' ... 'Xiaoming' 'Jhon' 'Lym']
[Message] Length of Customer List Built Through NumPy:
1096
(4) 构建数据: 订单数据:
order = pd.DataFrame({"time": time_range, # -> 下单时间。
"fruit": fruits_list, # -> 水果名称。
"name": names_list, # -> 顾客名。
"kilogram": np.random.choice(list(range(50,100)), size=len(time_range),replace=True)}) # -> 购买量。
print("[Message] Generate Order Data Through Pandas DataFrame:")
print(order)
输出:
[Message] Generate Order Data Through Pandas DataFrame:
time fruit name kilogram
0 2019-01-01 香蕉 Mike 63
1 2019-01-02 葡萄 Michk 69
2 2019-01-03 香蕉 Michk 51
3 2019-01-04 香蕉 Mike 69
4 2019-01-05 香蕉 Tom 64
... ... ... ... ...
1091 2021-12-27 葡萄 Lym 94
1092 2021-12-28 梨 Xiaoming 60
1093 2021-12-29 香蕉 Xiaoming 95
1094 2021-12-30 橙子 Jhon 90
1095 2021-12-31 桃子 Lym 93
[1096 rows x 4 columns]
(5) 构建数据: 水果信息:
information = pd.DataFrame({"fruit": fruits,
"price": [3.8, 8.9, 12.8, 6.8, 15.8, 4.9, 5.8, 7],
"region": ["华南", "华北", "西北", "华中", "西北", "华南", "华北", "华中"]})
print("[Message] Building Fruits Information Through Pandas DataFrame:")
print(information)
输出:
[Message] Building Fruits Information Through Pandas DataFrame:
fruit price region
0 香蕉 3.8 华南
1 苹果 8.9 华北
2 葡萄 12.8 西北
3 橙子 6.8 华中
4 哈密瓜 15.8 西北
5 芭乐 4.9 华南
6 梨 5.8 华北
7 桃子 7.0 华中
(6) 构建数据: 合并订单数据和水果信息:
# 将订单信息和水果信息直接合并成一个完整的 DataFrame, 这个 df 就是要用到的测试数据。
df = pd.merge(order, information, how="outer").sort_values("time").reset_index(drop=True)
print("[Message] Merge Order Data and Fruits Information Through Pandas DataFrame:")
print(df)
输出:
[Message] Merge Order Data and Fruits Information Through Pandas DataFrame:
time fruit name kilogram price region
0 2019-01-01 香蕉 Mike 63 3.8 华南
1 2019-01-02 葡萄 Michk 69 12.8 西北
2 2019-01-03 香蕉 Michk 51 3.8 华南
3 2019-01-04 香蕉 Mike 69 3.8 华南
4 2019-01-05 香蕉 Tom 64 3.8 华南
... ... ... ... ... ... ...
1091 2021-12-27 葡萄 Lym 94 12.8 西北
1092 2021-12-28 梨 Xiaoming 60 5.8 华北
1093 2021-12-29 香蕉 Xiaoming 95 3.8 华南
1094 2021-12-30 橙子 Jhon 90 6.8 华中
1095 2021-12-31 桃子 Lym 93 7.0 华中
[1096 rows x 6 columns]
(7) 构建数据: 计算订单金额:
df["amount"] = df["kilogram"] * df["price"]
print("[Message] Compute Order Amount Through Pandas DataFrame:")
print(df.head())
输出:
[Message] Compute Order Amount Through Pandas DataFrame:
time fruit name kilogram price region amount
0 2019-01-01 香蕉 Mike 63 3.8 华南 239.4
1 2019-01-02 葡萄 Michk 69 12.8 西北 883.2
2 2019-01-03 香蕉 Michk 51 3.8 华南 193.8
3 2019-01-04 香蕉 Mike 69 3.8 华南 262.2
4 2019-01-05 香蕉 Tom 64 3.8 华南 243.2
配置 Matplotlib (全局配置)
# 指定 Matplotlib 默认字体 (解决中文无法显示的问题)。
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决 Matplotlib 保存图像时负号 "-" 显示方块的问题。
plt.rcParams['axes.unicode_minus'] = False
# 设置 Matplotlib 字体大小 (全局生效)。
plt.rcParams['font.size'] = 12
各年度总体数据 (销量, 销售额, 平均每公斤销售额)
提取年份:
# 提取日期中的年份。
df["year"] = df["time"].dt.year
# 同时提取日期中的年份和月份。
df["year_month"] = df["time"].dt.strftime('%Y%m')
计算各年度总体数据 (销量, 销售额, 平均每公斤销售额):
# 计算各年度总体数据: 销量和销售额。
gather_by_year = df.groupby("year").agg({"kilogram": "sum", "amount": "sum"}).reset_index()
# 计算各年度总体数据: 平均每公斤销售额。
gather_by_year["mean_amount_per_kg"] = gather_by_year["amount"] / gather_by_year["kilogram"]
print("[Message] Overall Data for Each Year (Quantity, Amount, mean_amount_per_kg):")
print(gather_by_year)
输出:
[Message] Overall Data for Each Year (Quantity, Amount, mean_amount_per_kg):
year kilogram amount mean_amount_per_kg
0 2019 27276 220240.1 8.074501
1 2020 27114 219481.2 8.094755
2 2021 27201 219475.3 8.068648
使用 Matplotlib 对数据进行可视化
绘制 各年各月(年月) 销量对比的条形图 (带 Colorbar 颜色映射):
Colorbar (颜色条) 在绘图中的作用非常重要, 它主要用于以下几个方面:
-
表示数据范围: Colorbar 可以显示图中的颜色映射范围, 帮助理解图中不同颜色所代表的数据范围。例如, 在热力图中, 不同的颜色可能表示不同的温度值, 颜色条可以告诉哪种颜色对应哪个温度值。
-
数据解释: Colorbar 可以提供关于颜色和数据之间的映射关系的信息。可以通过查看颜色条来了解不同颜色在图中代表的数据值。
-
数据分布: 颜色条可以帮助理解数据的分布情况。例如, 颜色条中的颜色分布越均匀, 表示数据在整个范围内都有分布。
# 按 各年各月(年月) 聚合销量数据。
aggregated = df.groupby("year_month")["kilogram"].sum().reset_index()
# 创建一个 12 * 6 点的图, 设置分辨率为 72。
fig = plt.figure(figsize=(12, 6), dpi=72)
# 配置 Matplotlib ColorBar 相关参数。
scales = aggregated["kilogram"].values.tolist()
cmap = plt.get_cmap("Spectral_r") # -> "Spectral" 为正序 (由红到蓝), "Spectral_r" 为倒序 (由蓝到红)。
norm = plt.Normalize(min(scales), max(scales))
# 使用 Matplotlib 绘制条形图。
ax1 = plt.subplot2grid((6, 12), (0, 0), rowspan=6, colspan=11)
for x, y in zip(aggregated["year_month"], scales):
ax1.bar(x, y, color=[cmap(norm(y))])
# 配置 ax1 绘图区域相关信息。
ax1.set_title("条形图 (2019年 - 2021年每月销售量)")
ax1.tick_params(axis='x', labelrotation=-90) # -> 将 X 轴刻度标签旋转 90 度 (正数为逆时针, 负数为顺时针)。
ax1.set_xlabel("日期 (年月)")
ax1.set_ylabel("销售量 (Kilogram)")
# 使用 Matplotlib 绘制 ColorBar。
ax2 = plt.subplot2grid((6, 12), (0, 11), rowspan=6, colspan=1)
sm = ScalarMappable(norm=norm, cmap=cmap)
cbar = fig.colorbar(sm, cax=ax2)
cbar.ax.set_title("Scale")
plt.show()
预览:
绘制 各年各月(年月) 销售额走势折线图:
matplotlib.pyplot 的 .plot 方法是我们平时绘图的时候最常用的函数之一, 其中 **kwargs 不作介绍, 和其他保持一致, 下面通过例子详细说一下。
函数签名:
matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)
调用示例:
plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
本例代码:
# 按 各年各月(年月) 聚合销售额数据。
aggregated = df.groupby("year_month")["amount"].sum().reset_index()
# 创建一个 12 * 6 点的图, 设置分辨率为 72。
fig = plt.figure(figsize=(12, 6), dpi=72)
# 使用 Matplotlib 绘制折线图。
plt.plot(aggregated["year_month"], aggregated["amount"])
# 配置绘图区域相关信息。
plt.title("折线图 (2019年 - 2021年每月销售额)")
plt.xticks(rotation=-90) # -> 将 X 轴刻度标签旋转 90 度 (正数为逆时针, 负数为顺时针)。
plt.xlabel("日期 (年月)")
plt.ylabel("销售额")
plt.grid(True)
plt.show()
预览:
完整代码
#!/usr/bin/python3
# Create By GF 2023-07-28
# 分析维度包括:
# 1. 各年度合计销量
# 2. 各年度合计销售额
# 3. 各年度平均每公斤销售额
# 4. 各月度销量对比
# 5. 各月度销售额变化
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from matplotlib.cm import ScalarMappable
# (1) 构建数据: 时间字段。
time_range = pd.date_range(start="2019/01/01", end="2021/12/31")
print("[Message] Time Range Built Through Pandas:")
print(time_range)
print("[Message] Time Length Built Through Pandas:")
print(len(time_range))
# (2) 构建数据: 水果列表。
fruits = ["香蕉", "苹果", "葡萄", "橙子", "哈密瓜", "芭乐", "梨", "桃子"]
fruits_list = np.random.choice(fruits, size=len(time_range), replace=True)
print("[Message] Fruits List Built Through NumPy:")
print(fruits_list)
print("[Message] Length of Fruits List Built Through NumPy:")
print(len(fruits_list))
# (2) 构建数据: 客户列表。
names = ["Mike", "Jhon", "Tom", "Xiaoming", "Jimmy", "Lym", "Michk"]
names_list = np.random.choice(names, size=len(time_range), replace=True)
print("[Message] Customer List Built Through NumPy:")
print(names_list)
print("[Message] Length of Customer List Built Through NumPy:")
print(len(names_list))
# (4) 构建数据: 订单数据。
order = pd.DataFrame({"time": time_range, # -> 下单时间。
"fruit": fruits_list, # -> 水果名称。
"name": names_list, # -> 顾客名。
"kilogram": np.random.choice(list(range(50,100)), size=len(time_range),replace=True)}) # -> 购买量。
print("[Message] Generate Order Data Through Pandas DataFrame:")
print(order)
# (5) 构建数据: 水果信息。
information = pd.DataFrame({"fruit": fruits,
"price": [3.8, 8.9, 12.8, 6.8, 15.8, 4.9, 5.8, 7],
"region": ["华南", "华北", "西北", "华中", "西北", "华南", "华北", "华中"]})
print("[Message] Building Fruits Information Through Pandas DataFrame:")
print(information)
# (6) 构建数据: 合并订单数据和水果信息。
# 将订单信息和水果信息直接合并成一个完整的 DataFrame, 这个 df 就是要用到的测试数据。
df = pd.merge(order, information, how="outer").sort_values("time").reset_index(drop=True)
print("[Message] Merge Order Data and Fruits Information Through Pandas DataFrame:")
print(df)
# (7) 构建数据: 计算订单金额。
df["amount"] = df["kilogram"] * df["price"]
print("[Message] Compute Order Amount Through Pandas DataFrame:")
print(df.head())
# ####################################################################################################
# 指定 Matplotlib 默认字体 (解决中文无法显示的问题)。
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决 Matplotlib 保存图像时负号 "-" 显示方块的问题。
plt.rcParams['axes.unicode_minus'] = False
# 设置 Matplotlib 字体大小 (全局生效)。
plt.rcParams['font.size'] = 12
# ####################################################################################################
# 提取日期中的年份。
df["year"] = df["time"].dt.year
# 同时提取日期中的年份和月份。
df["year_month"] = df["time"].dt.strftime('%Y%m')
# 计算各年度总体数据: 销量和销售额。
gather_by_year = df.groupby("year").agg({"kilogram": "sum", "amount": "sum"}).reset_index()
# 计算各年度总体数据: 平均每公斤销售额。
gather_by_year["mean_amount_per_kg"] = gather_by_year["amount"] / gather_by_year["kilogram"]
print("[Message] Overall Data for Each Year (Quantity, Amount, mean_amount_per_kg):")
print(gather_by_year)
# ####################################################################################################
# 绘制 各年各月(年月) 销量对比的条形图 (带 Colorbar 颜色映射)
# Colorbar (颜色条) 在绘图中的作用非常重要, 它主要用于以下几个方面:
# - 表示数据范围: Colorbar 可以显示图中的颜色映射范围, 帮助理解图中不同颜色所代表的数据范围。例如, 在热力图中, 不同的颜色可能表示不同的温度值, 颜色条可以告诉哪种颜色对应哪个温度值。
# - 数据解释: Colorbar 可以提供关于颜色和数据之间的映射关系的信息。可以通过查看颜色条来了解不同颜色在图中代表的数据值。
# - 数据分布: 颜色条可以帮助理解数据的分布情况。例如, 颜色条中的颜色分布越均匀, 表示数据在整个范围内都有分布。
# 按 各年各月(年月) 聚合销量数据。
aggregated = df.groupby("year_month")["kilogram"].sum().reset_index()
# 创建一个 12 * 6 点的图, 设置分辨率为 72。
fig = plt.figure(figsize=(12, 6), dpi=72)
# 配置 Matplotlib ColorBar 相关参数。
scales = aggregated["kilogram"].values.tolist()
cmap = plt.get_cmap("Spectral_r") # -> "Spectral" 为正序 (由红到蓝), "Spectral_r" 为倒序 (由蓝到红)。
norm = plt.Normalize(min(scales), max(scales))
# 使用 Matplotlib 绘制条形图。
ax1 = plt.subplot2grid((6, 12), (0, 0), rowspan=6, colspan=11)
for x, y in zip(aggregated["year_month"], scales):
ax1.bar(x, y, color=[cmap(norm(y))])
# 配置 ax1 绘图区域相关信息。
ax1.set_title("条形图 (2019年 - 2021年每月销售量)")
ax1.tick_params(axis='x', labelrotation=-90) # -> 将 X 轴刻度标签旋转 90 度 (正数为逆时针, 负数为顺时针)。
ax1.set_xlabel("日期 (年月)")
ax1.set_ylabel("销售量 (Kilogram)")
# 使用 Matplotlib 绘制 ColorBar。
ax2 = plt.subplot2grid((6, 12), (0, 11), rowspan=6, colspan=1)
sm = ScalarMappable(norm=norm, cmap=cmap)
cbar = fig.colorbar(sm, cax=ax2)
cbar.ax.set_title("Scale")
plt.show()
# ####################################################################################################
# 绘制 各年各月(年月) 销售额走势折线图
# matplotlib.pyplot 的 .plot 方法是我们平时绘图的时候最常用的函数之一, 其中 **kwargs 不作介绍, 和其他保持一致, 下面通过例子详细说一下。
#
# 函数签名:
# matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)
#
# 调用示例:
# plot([x], y, [fmt], *, data=None, **kwargs)
# plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
# 按 各年各月(年月) 聚合销售额数据。
aggregated = df.groupby("year_month")["amount"].sum().reset_index()
# 创建一个 12 * 6 点的图, 设置分辨率为 72。
fig = plt.figure(figsize=(12, 6), dpi=72)
# 使用 Matplotlib 绘制折线图。
plt.plot(aggregated["year_month"], aggregated["amount"])
# 配置绘图区域相关信息。
plt.title("折线图 (2019年 - 2021年每月销售额)")
plt.xticks(rotation=-90) # -> 将 X 轴刻度标签旋转 90 度 (正数为逆时针, 负数为顺时针)。
plt.xlabel("日期 (年月)")
plt.ylabel("销售额")
plt.grid(True)
plt.show()
总结
以上就是关于 数据分析 时间维度对比及变化可视化分析(Pandas和Matplotlib) 的全部内容。
更多内容可以访问我的代码仓库:
https://gitee.com/goufeng928/public
https://github.com/goufeng928/public
扫一扫
454
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
