主要工作:
1.对从网上营业厅拿到的用户数据.xls文件,通过Python的xlrd进行解析,计算用户的主叫被叫次数,通话时间,通话时段。
2.使用matplotlib画图包,将分析的结果直观的绘制出来。
具体步骤:
1.分析须要的内容
excel文件中包含很多信息,我们分析的时候须要用到的包括,通话起始时间、通话时长、呼叫类型,号码。
使用xlrd模块,读取excel中的数据,用列表的形式保存下来。
1 #coding=utf-8
2 importxlrd3
4 defreadData(url):5 data=xlrd.open_workbook(url)6 table=data.sheets()[0] #多张sheet的情况读取第一张
7 nrows=table.nrows8 ncols=table.ncols9 list=[]10 for rownum inrange(0,nrows):11 row=table.row_values(rownum)12 for i in range(0,ncols): #转码unicode转utf-8
13 row[i]=row[i].encode('utf-8')14 ifrow:15 list.append(row)16 return list
2.设计用户数据分析类
考虑分析用户的哪些数据,做成一个什么样的效果
1 #coding=utf-8
2 #用户通话信息类记录
3 classUserDataInfo(object):4 def __init__(self):5 self.calling_long = 0 #主叫时长
6 self.called_long = 0 #被叫时长
7 self.call_long = 0 #总时长
8
9 self.calling_times = 0 #主叫次数
10 self.called_times = 0 #被叫次数
11 self.call_times = 0 #总次数
12
13 self.time_intervel=[] #通话时段
14 for i in range(0,12):15 self.time_intervel.append(0)16
17 self.day_intervel=[] #每日通话次数
18 for i in range(0,31):19 self.day_intervel.append(0)20
21 self.call_freq= None #通话最频繁
3.对时间日期字符串解码编码
实用split函数对字符串分割,将x时x分x秒的格式解码成 x秒的数据存储下来
1 #解码时间
2 deftimeDecode(timeStr):3 hour = min = sec =04 if timeStr.find('小时') != -1:5 hour = timeStr.split('小时')[0]6 timeStr = timeStr.split('小时')[1]7 if timeStr.find('分') != -1:8 min = timeStr.split('分')[0]9 timeStr = timeStr.split('分')[1]10 if timeStr.find('秒') != -1:11 sec = timeStr.split('秒')[0]12
13 timelong = int(sec) + int(min) * 60 + int(hour) * 60 * 60
14 returntimelong15
16 #编码时间
17 deftimeEncode(time):18 strtime=str(time%60)+"秒"
19 time/=60
20 if(time!=0):21 strtime=str(time%60)+"分"+strtime22 time/=60
23 if (time !=0):24 strtime = str(time % 60) + "小时"+strtime25 returnstrtime26
27 #解码日期
28 defdateDecode(dateStr):29 dateStrlist=dateStr.split(' ')30 dayStr=dateStrlist[0]31 dayStrlist=dayStr.split('-')32 day=dayStrlist[-1]33
34 timeStr=dateStrlist[-1]35 timeStrlist=timeStr.split(':')36 timeHour=timeStrlist[0]37
38 dayAndHour=[]39 dayAndHour.append(day)40 dayAndHour.append(timeHour)41 return dayAndHour
4.用户行为分析
对用户的数据进行分类处理,计算出行为数据
1 #行为分析
2 defbehavior_analysis(datalist):3 t=1
4 for line indatalist:5 if(t==1):6 t=3
7 continue
8 dh=dateDecode(line[2])9 day=int(dh[0])10 hour=int(dh[-1])11
12 user.day_intervel[day]+=1
13 user.time_intervel[hour/2]+=1
14
15
16 timeStr=line[3]17 timelong =timeDecode(timeStr)18
19 if line[4]=='主叫':20 user.calling_times+=1
21 user.calling_long+=timelong22 if line[4]=='被叫':23 user.called_times+=1
24 user.called_long+=timelong25
26
27 user.call_times=user.calling_times+user.called_times #总次数
28 user.call_long=user.calling_long+user.called_long #总时长
5.实用matplotlib进行数据可视化
绘制折线图,反应用户的日常通话习惯。这里只画了一个图
1 #数据可视化
2 defdataVisualization(userinfo):3 plt.plot(userinfo.day_intervel, 'k')4 plt.plot(userinfo.day_intervel, 'bo')5 plt.xlabel(u'日 期')6 plt.ylabel(u'通话次数')7 plt.title(u'每日通话分析')8 plt.grid(color='#95a5a6', linestyle='--', linewidth=1, axis='y', alpha=0.4)9 plt.show()
完整代码:
1 #coding=utf-8
2 importxlrd3 importmatplotlib.pyplot as plt4 importUserDataInfo5
6 defreadData(url):7 data=xlrd.open_workbook(url)8 table=data.sheets()[0] #多张sheet的情况读取第一张
9 nrows=table.nrows10 ncols=table.ncols11 list=[]12 for rownum inrange(0,nrows):13 row=table.row_values(rownum)14 for i in range(0,ncols): #转码unicode转utf-8
15 row[i]=row[i].encode('utf-8')16 ifrow:17 list.append(row)18 returnlist19
20 #行为分析
21 defbehavior_analysis(datalist):22 t=1
23 for line indatalist:24 if(t==1):25 t=3
26 continue
27 dh=dateDecode(line[2])28 day=int(dh[0])29 hour=int(dh[-1])30
31 user.day_intervel[day]+=1
32 user.time_intervel[hour/2]+=1
33
34
35 timeStr=line[3]36 timelong =timeDecode(timeStr)37
38 if line[4]=='主叫':39 user.calling_times+=1
40 user.calling_long+=timelong41 if line[4]=='被叫':42 user.called_times+=1
43 user.called_long+=timelong44
45
46 user.call_times=user.calling_times+user.called_times #总次数
47 user.call_long=user.calling_long+user.called_long #总时长
48
49 #解码时间
50 deftimeDecode(timeStr):51 hour = min = sec =052 if timeStr.find('小时') != -1:53 hour = timeStr.split('小时')[0]54 timeStr = timeStr.split('小时')[1]55 if timeStr.find('分') != -1:56 min = timeStr.split('分')[0]57 timeStr = timeStr.split('分')[1]58 if timeStr.find('秒') != -1:59 sec = timeStr.split('秒')[0]60
61 timelong = int(sec) + int(min) * 60 + int(hour) * 60 * 60
62 returntimelong63
64 #编码时间
65 deftimeEncode(time):66 strtime=str(time%60)+"秒"
67 time/=60
68 if(time!=0):69 strtime=str(time%60)+"分"+strtime70 time/=60
71 if (time !=0):72 strtime = str(time % 60) + "小时"+strtime73 returnstrtime74
75 #解码日期
76 defdateDecode(dateStr):77 dateStrlist=dateStr.split(' ')78 dayStr=dateStrlist[0]79 dayStrlist=dayStr.split('-')80 day=dayStrlist[-1]81
82 timeStr=dateStrlist[-1]83 timeStrlist=timeStr.split(':')84 timeHour=timeStrlist[0]85
86 dayAndHour=[]87 dayAndHour.append(day)88 dayAndHour.append(timeHour)89 returndayAndHour90
91
92 defprintout():93 print "被叫次数:", user.called_times94 print "被叫时长:", timeEncode(user.called_long)95
96 print "主叫次数:", user.calling_times97 print "主叫时长:", timeEncode(user.calling_long)98
99 print "总次数:",user.call_times100 print "总时长:",timeEncode(user.call_long)101
102 print "日期",user.day_intervel103 print "时段",user.time_intervel104
105 #数据可视化
106 defdataVisualization(userinfo):107 plt.plot(userinfo.day_intervel, 'k')108 plt.plot(userinfo.day_intervel, 'bo')109 plt.xlabel(u'日 期')110 plt.ylabel(u'通话次数')111 plt.title(u'每日通话分析')112 plt.grid(color='#95a5a6', linestyle='--', linewidth=1, axis='y', alpha=0.4)113 plt.show()114
115 url="/Users/SeeKHit/Downloads/2017年01月语音通信.xls"
116 datalist=readData(url)117
118 user=UserDataInfo.UserDataInfo()119 behavior_analysis(datalist)120
121 printout()122 dataVisualization(user)
View Code
用户通话信息类
1 #coding=utf-8
2 #用户通话信息类记录
3 classUserDataInfo(object):4 def __init__(self):5 self.calling_long = 0 #主叫时长
6 self.called_long = 0 #被叫时长
7 self.call_long = 0 #总时长
8
9 self.calling_times = 0 #主叫次数
10 self.called_times = 0 #被叫次数
11 self.call_times = 0 #总次数
12
13 self.time_intervel=[] #通话时段
14 for i in range(0,12):15 self.time_intervel.append(0)16
17 self.day_intervel=[] #每日通话次数
18 for i in range(0,31):19 self.day_intervel.append(0)20
21 self.call_freq= None #通话最频繁
View Code