3.2 -3.4 数据特征分析

最新推荐文章于 2024-05-13 00:37:08 发布

Dr_David_S

最新推荐文章于 2024-05-13 00:37:08 发布

阅读量1.6k

点赞数 1

分类专栏：大数据入门文章标签： python 大数据

本文链接：https://blog.csdn.net/qq_27469517/article/details/53462121

版权

这篇博客主要展示了如何使用Python进行餐饮销售数据的分析，包括菜品销售的统计、菜品贡献度的确定以及相关性分析。通过排序和可视化手段，探讨了如何识别并优化盈利最高的菜品。同时，提到了Python相对于Excel的优势，并提供了部分代码示例，如二维线图、饼图等图表的绘制。

摘要由CSDN通过智能技术生成

demo/data/catering_fish_congee

这个文件是“捞起生鱼片”的销售数据，书上的文件名写错了，注意改一下。

内容主要是这个菜从 2014/4/1 到 2014/6/30 的销售额。

其实这里没给代码，给的结果，看起来这里用 Excel 也能很好完成的。

同时给了很多分析方法。不过本文主要是代码实践，就不写了。

针对餐饮销量数据有一个统计分析代码：

#-*- coding: utf-8 -*-
#餐饮销量数据统计量分析
from __future__ import print_function
import pandas as pd

catering_sale = 'data/catering_sale.xls' #餐饮数据
data = pd.read_excel(catering_sale, index_col = u'日期') #读取数据，指定“日期”列为索引列
data = data[(data[u'销量'] > 400)&(data[u'销量'] < 5000)] #过滤异常数据
statistics = data.describe() #保存基本统计量

statistics.loc['range'] = statistics.loc['max']-statistics.loc['min'] #极差
statistics.loc['var'] = statistics.loc['std']/statistics.loc['mean'] #变异系数
statistics.loc['dis'] = statistics.loc['75%']-statistics.loc['25%'] #四分位数间距



print(statistics)

这段代码里面需要说一下的就是 Pandas 中的 .loc 方法。