2023年第二届全国大学生数据统计与分析竞赛练习题

练习题内容：
某餐饮店 8 月份的订单数据分别存储在 order1，order2，order3 三个表中，现餐饮店经理想要了解 8 月份本餐厅的营业额情况。

（1） 读取和合并 order1，order2，order3 三个表，获得该餐饮店的 8 月份的所有订单数据。

# 导入库
import pandas as pd
import matplotlib.pyplot as plt

# 显示中文
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"]=False

# 读取三个订单表中8月份的数据
order1 = pd.read_csv(r"../order1.csv",encoding='gb18030')
order2 = pd.read_csv(r"../order2.csv",encoding='gb18030')
order3 = pd.read_csv(r"../order3.csv",encoding='gb18030')

# （读取和合并 order1，order2，order3 三个表，获得该餐饮店的 8 月份的所有订单数据。
orders = pd.concat([order1, order2, order3])
orders.tail(20)

（2） 计算 8 月餐饮的每日销售额，并绘制折线图分析 8 月餐饮销售额趋势。

# 将日期字符串转换为日期类型
orders['place_order_time'] = pd.to_datetime(orders['place_order_time'], format='%Y-%m-%d %H:%M:%S')
# 计算销售额
daily_sales = orders.groupby('place_order_time')['amounts'].sum()
daily_sales

# 拆分日期和时间
orders['day'] = orders['place_order_time'].dt.date
orders['time'] = orders['place_order_time'].dt.time
#%%
# 按照日期分组，计算每日销售额
daily_revenue = orders.groupby('day')['amounts'].sum()
daily_revenue

 

# 绘制折线图
plt.figure(figsize=(10,8))
plt.plot(daily_revenue.index, daily_revenue.values,label="销售量",linewidth=3,color="r",marker="o",markerfacecolor='blue',markersize=12)
plt.xlabel('日期')
plt.ylabel("销售量")
plt.title('8月餐饮销售额趋势')
plt.legend()

（3） 计算星期一~星期日的销售额并绘制柱状图分析星期与销售额的情况。

#  计算星期一~星期日的销售额并绘制柱状图分析星期与销售额的情况。
# 提取 8 月份订单数据
aug_orders = orders[(orders['place_order_time'].dt.month == 8)]
aug_orders
# 添加星期几列
aug_orders['weekday'] = aug_orders['place_order_time'].dt.dayofweek
# 按照星期几分组，计算销售额
weekly_revenue = aug_orders.groupby('weekday')['amounts'].sum()
weekly_revenue
#%%
# 星期名称映射
weekday_names = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']
#%%
# 绘制柱状图
plt.figure(figsize=(10,8))
plt.bar(weekday_names, weekly_revenue,label="星期与销售额")
plt.xlabel('星期')
plt.ylabel('销售额')
plt.title('计算星期一~星期日的销售额情况')
# 调用生成标签
plt.legend(loc="best")
plt.show()

（4） 绘制圆环图分析星期与销售额占比情况。

# 绘制圆环图分析星期与销售额占比情况。
# 绘制圆环图
plt.figure(figsize=(10,8))
plt.pie(weekly_revenue, labels=weekday_names, autopct='%1.1f%%', startangle=90, counterclock=False, wedgeprops=dict(width=0.4))
plt.axis('equal')
plt.title('星期与销售额占比情况')
plt.show()

（5） 绘制气泡图分析时间，订单量，销售额关系。

# 绘制气泡图分析时间，订单量，销售额关系。
# 提取时间、订单量和销售额数据
orders['time'] = orders['place_order_time'].dt.time
orders['counts'] = 1
orders
#%%
# 按照时间分组，计算订单量和销售额
time_data = orders.groupby('time').agg({'counts': 'sum', 'amounts': 'sum'})
time_data
#%%
# 转换时间为字符串类型
time_data['time_str'] = time_data.index.astype(str)
#%%
# 绘制气泡图
plt.figure(figsize=(12,8))
plt.scatter(time_data['time_str'], time_data['counts'], s=time_data['amounts']/100, alpha=0.5)
plt.xlabel('Time')
plt.ylabel('Order Count')
plt.title('Time vs Order Count and Revenue')
plt.xticks(rotation=45)  # 旋转 x 轴标签
plt.gca().xaxis.set_major_locator(plt.MaxNLocator(12))  # 设置 x 轴刻度间隔
plt.show()