数据展现（练习）

 

## 导入 pandas 库并将其简化为 pd
import pandas as pd
## 导入matplotlib库的pyplot模块
from matplotlib import pyplot as plt
#
## 读取练习数据，文件路径为 './工作/exercise_clean.csv'，文件编码为 'utf-8'
exercise = pd.read_csv('./工作/exercise_clean.csv', encoding = 'utf-8')
## 求出不同明细商品的总销售额
sales_sum = exercise.groupby('明细')['订单金额'].sum()
## 设置中文字体
plt.rcParams['font.family'] = ['Source Han Sans CN']
## 生成画布，并设置画布的大小
plt.figure(figsize=(22, 22))
## 设置 x/y 坐标值
x = sales_sum.index
y = sales_sum.values
## 绘制柱状图，并调整柱子的样式
plt.bar(x , height=y, width=0.6, alpha=0.6)
## 设置图表标题名及字体大小
plt.title('各明细商品总销售额分布图', fontsize=20)
## 设置坐标轴的刻度字体大小
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)
## 设置坐标轴的标题名及字体大小
plt.xlabel('商品明细', fontsize=15)
plt.ylabel('总销售额', fontsize=15)
#

 

 

知识拓展

坐标轴刻度旋转

刚才我们练习题生成的柱状图当中，x 轴的刻度比较密集，很多字都挤到了一起。这里我们可以旋转坐标轴的刻度，让它们纵向显示。

 还记得设置坐标轴的刻度的plt.xticks()函数吗？我们可以在里面设置 rotation 参数来旋转刻度。

像 rotation = 90 就是让刻度逆时针旋转 90 度

# 绘制柱状图，并调整柱子的样式
plt.bar(x, height=y, width=0.6, alpha=0.6)
# 设置图表标题名及字体大小
plt.title('各明细商品总销售额分布图', fontsize=20)
# 设置坐标轴的刻度字体大小，逆时针旋转x轴刻度90度
plt.xticks(fontsize=12, rotation=90)
plt.yticks(fontsize=12)
# 设置坐标轴的标题名及字体大小
plt.xlabel('商品明细', fontsize=15)
plt.ylabel('总销售额', fontsize=15)

 

除此之外，使用 pandas 库中plot()方法生成的图表也可以设置rot参数来旋转 x 轴刻度，比如：

sales_sum.plot(rot=90)就可以让 x 轴的刻度逆时针旋转 90 度，你可以运行下面的代码查看一下效果。

# 生成各类明细商品的总销售额的折线图，将 x 轴的刻度逆时针旋转 90 度
sales_sum.plot(rot=90)

 

Series 对象排序

下面我再来跟你拓展 Series 对象排序的相关知识。

在 pandas 中，我们可以使用s.sort_values()对 Series 对象的数值型数据进行排序。

默认为升序排列（从小到大），将 ascending 参数设置为 False 就可以让它降序排列（从大到小）。

# 降序排列sales_sum
sales_sum = sales_sum.sort_values(ascending=False)
# 查看sales_sum
sales_sum

 

# 设置 x/y 坐标值
x = sales_sum.index
y = sales_sum.values
# 绘制柱状图，并调整柱子的样式
plt.bar(x, height=y, width=0.6, alpha=0.6)
# 设置图表标题名及字体大小
plt.title('各明细商品总销售额分布图', fontsize=20)
# 设置坐标轴的刻度字体大小，逆时针旋转x轴刻度90度
plt.xticks(fontsize=12, rotation=90)
plt.yticks(fontsize=12)
# 设置坐标轴的标题名及字体大小
plt.xlabel('商品明细', fontsize=15)
plt.ylabel('总销售额', fontsize=15)

 

绘制帕累托图

最后再让我们回到第一天课后练习提到的帕累托法则。

使用帕累托法则进行分析时，有一种专门的可视化图表叫做帕累托图。

 通过帕累托图我们就能直观的找出累计销售额占比在80%的商品，他们分别是：红牛、可乐、魔爪、维他柠檬茶、宝矿力水特以及三得利乌龙茶。

# 生成画布，并设置画布的大小
plt.figure(figsize=(6, 6))
# 设置 x/y 坐标值
x = sales_sum.index
y = sales_sum.values
# 绘制柱状图，并调整柱子的样式
plt.bar(x, height=y, width=0.6, alpha=0.6)
# 设置图表标题名及字体大小
plt.title('各明细商品总销售额分布图', fontsize=20)
# 设置坐标轴的刻度字体大小，逆时针旋转x轴刻度90度
plt.xticks(fontsize=12, rotation=90)
plt.yticks(fontsize=12)
# 设置坐标轴的标题名及字体大小
plt.xlabel('商品明细', fontsize=15)
plt.ylabel('总销售额', fontsize=15)

# 求出累计销售额占比
p = 1.0*sales_sum.cumsum()/sales_sum.sum()

# 找到累计占比超过80%时候的index
key = p[p>0.8].index[0]  
key_num = sales_sum.index.tolist().index(key) 
print('超过80%累计占比的节点值索引为：' ,key)
print('------')

# 绘制折线图并将y轴设置为副坐标轴
p.plot(style = '--ko', secondary_y=True, rot=90)
plt.axvline(key_num,color='r',linestyle="--",alpha=0.8)
# 累计占比超过80%的节点
plt.text(key_num+0.2,p[key],'累计占比为：%.3f%%' % (p[key]*100), color = 'r')  
plt.ylabel('累计销售额占比')