数据分析实战——星巴克门店数量可视化分析

星巴克门店分布可视化分析

项目介绍：使用python对星巴克门店分布进行可视化分析

数据背景：数据源来自与Kaggle: Starbucks Locations Worldwide | Kaggle，囊括了截至2017/2月份全球星巴克门店的基础信息，包括品牌名称、门牌地址、所在国家、经纬度等一系列详细的信息。
数据介绍：

字段名称	解释说明
Brand	品牌名称
Store Number	门店编号
Store name	门店名称
Ownership Type	门店所有权类型
Street Address	State/Province
City	门店所在的城市
State/Province	门店所在的省份
Country	门店所在的国家
Postcode	门店所在地址的邮政编码
Phone Number	门店的联系电话
Timezone	门店所在地的时区
Longitude	门店地址的经度
Latitude	门店地址的纬度
centered 文本居中	right-aligned 文本居右

任务概述

• 星巴克旗下有多少个品牌
• 统计全球有多少个国家开设了星巴克门店，显示排名前五和后十的国家
• 显示拥有星巴克门店数量前十的城市
• 按照星巴克在中国的分布情况，统计排名前十的城市
• 用饼图显示星巴克的经营方式有几种

导入必要的数据包

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

读取数据并查看

data = pd.read_csv(r'./Desktop/directory.csv.csv')
data.head()

查看缺失值

data.isnull().sum()

利用isnull()函数对数据进行缺失值统计，可以发现每一列数据的缺失情况，在此数据中city、postcode、phone number字段存在较多缺失值，但本次任务处理的指标与其相关不大，故不对其进行处理

统计星巴克旗下有多少品牌

num = len(data['Brand'].unique())
print('星巴克旗下有%d个品牌'%num)
data['Brand'].value_counts()

利用unique()函数对”Brand‘字段进去去重处理，得到星巴克旗下的品牌数量，再利用value_counts函数对每一个品牌的门店数量进行统计，发现星巴克旗下一共有4个品牌，其中Sta