数据分析与挖掘实战2

#贡献度分析
import pandas as pd
import matplotlib.pyplot as plt
import math
import numpy as np

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

sale_path = 'E:\phil\workspace\selfwork\python\python practice of data analysis and mining\chapter3\catering_dish_profit.xls'
data = pd.read_excel(sale_path, index_col='菜品名', usecols  =[1,2])
data['累计比例']=data.cumsum()/data.sum()
#secondary_y 右侧Y
p1= data['累计比例'].plot(linestyle='dashed', color='r', marker='o' ,secondary_y=True)
p1.set_ylabel('累计比例')

# 添加注释
# 第一个参数是注释的内容
# xy设置箭头尖的坐标
# xytext设置注释内容显示的起始位置
# arrowprops 用来设置箭头
# facecolor 设置箭头的颜色
# headlength 箭头的头的长度
# headwidth 箭头的宽度
# width 箭身的宽度
plt.annotate(format(data['累计比例'][6],'.4%'), xy = (6, data['累计比例'][6]), xytext = (7, data['累计比例'][6]),
             arrowprops = dict(arrowstyle="->"))

p2=data['盈利'].plot.bar()
p2.set_ylabel('盈利')
plt.show()

  

转载于:https://www.cnblogs.com/xuyuchen/p/9130342.html

MATLAB数据分析挖掘实战 及配套实验数据和源代码 【简介】 随着企业的泛互联网化和企业信息化程度的不断提高,大数据的概念被提了出来,在大数据时代,数据对企业突显出越来越重要的价值,企业对数据的价值也越来越重视。目前国内不少高校将数据挖掘引入本科教学中,在数学、电子信息、金融等专业开设了数据挖掘技术相关的课程,但目前这一课程的教学仍主要限于理论介绍。以数学类专业为例,目前高校存在的困境主要 有:  师资队伍建设问题:缺少统计学及应用数学专业 的 双师型 教师  师范院校的统计学及应用数学专业在大数据时代该如何准确定位?  课程设置该怎样跟进与完善?  实践环节应该如何加强?  产学研以及院校合作怎样才能落到实处? 顶尖数据挖掘教学实训平台(TipDM T6 ,简称 T6 )是专门针对高校数据挖掘课程中,学员实际应用能力差这一教学弱点设计开发的一系列教学模块。能够让老师在讲解数据挖掘算法理论的同时,通过实用的建模工具来模拟实际应用案例,在实验室环境下体验实际应用,由此弥补学员实践经验的不足。在教学过程中,强化应用和 动手,做到理论与实践的有机结合,使学生受益,老师授课方便。 【适用对象】  有数据挖掘相关教学课程的高校、研究所和培训机构。  用数据挖掘进行科研的高校、研究所。  适用专业:统计学、数学与应用数学,以及金融、医疗、管理、电子商务等有数据挖掘教学专业。 特别说明:提供数据挖掘建模软件,同时协助指导教师构建特定专业的挖掘模型及编写相应实训指导书 。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值