python数据分析之对比分析

最新推荐文章于 2024-08-28 11:00:00 发布

夲人低调。

最新推荐文章于 2024-08-28 11:00:00 发布

阅读量4.3k

点赞数 8

文章标签： python 数据分析数据挖掘大数据统计学

本文链接：https://blog.csdn.net/weixin_43846798/article/details/104796283

版权

对比分析

概念：两个互相联系的指标进行比较
类型：绝对数比较（相减）、相对数比较（相除）
其中相对数比较分析也包括：结构分析、比例分析、动态对比分析

1.绝对数比较

a.对比的指标在量级上不能差别过大
b.折线图、柱状图*

#导入数据

data = pd.read_csv('C:\\Users\\zhouchunzhu\\Desktop\\py.test/样例数据02.csv',engine = 'python')
data.head()

在这里插入图片描述

（2）折线图比较

data.plot('时间',kind='line',
       style = '--.',
       alpha = 0.8,
       figsize = (10,3),
       title = '王者峡谷住房供应成交对比-折线图')

在这里插入图片描述

（2）多系列柱状图比较

data.plot('时间',kind = 'bar',
          width = 0.8,
          alpha = 0.8,
          figsize = (10,3),
          title = '王者峡谷住房供应成交对比-柱状图')

在这里插入图片描述

（3）堆叠图

fig3 = plt.figure(figsize=(10,6))
plt.subplots_adjust(hspace=0.3)
# 创建子图及间隔设置

ax1 = fig3.add_subplot(2,1,1)  
x = range(len(data))
y1 = data['住宅新房成交']
y2 = -data['住宅新房供应']
plt.bar(x,y1,width = 1,facecolor = 'yellowgreen')
plt.bar(x,y2,width = 1,facecolor = 'lightskyblue')
plt.title('住宅新房成交供应-堆叠图')
plt.grid()
plt.xticks(range(0,30,6))
ax1.set_xticklabels(data.index[::6])

在这里插入图片描述

（4）差值折线图

ax2 = fig3.add_subplot(2,1,2)  
y3 = data['住宅新房成交']-data['住宅新房供应']
plt.plot(x,y3,'--go')
plt.axhline(0,color='r',linestyle="--",alpha=0.8)  # 添加y轴参考线
plt.grid()
plt.title('住宅新房成交供应-差值折线')
plt.xticks(range(0,30,6))
ax2.set_xticklabels(data.index[::6])

在这里插入图片描述

2.相对数比较

a.有联系的指标综合计算后的对比，数值为相对数
b.结构分析、比例分析、空间比较分析、动态对比分析

#导入数据

# 导入数据 → 上半年内五位销售人员月销售额
data = pd.read_csv('C:\\Users\\zhouchunzhu\\Desktop\\py.test/样例数据（销售数据04）.csv',engine = 'python')
data

在这里插入图片描述

（1）结构分析
在分组基础上，各组总量指标与总体的总量指标对比，计算出各组数量在总量中所占比重，反映总体的内部结构。

# 计算出每天的营收占比
data['熊大_per'] = data['熊大'] / data['熊大'].sum()
data['牛二_per'] = data['牛二'] / data['牛二'].sum()

# 转换为百分数
data['熊大_per%'] = data['熊大_per'].apply(lambda x: '%.2f%%' % (x*100))
data['牛二_per%'] = data['牛二_per'].apply(lambda x: '%.2f%%' % (x*100))
data

#画图  
fig,axes = plt.subplots(2,1,figsize = (10,6),sharex=True)
#绝对数比较——熊大和牛二上半年前月度销售额
data[['熊大','牛二']].plot(kind='line',style = '--.',alpha = 0.8,ax=axes[0])
axes[0].legend(loc = 'upper right')
#相对数比较——熊大和牛二上半年前月度销售额
data[['熊大_per','牛二_per']].plot(kind='line',style = '--.',alpha = 0.8,ax=axes[1])
axes[1].legend(loc = 'upper right')

在这里插入图片描述

（2）比例分析
a.在分组的基础上，将总体不同部分的指标数值进行对比，其相对指标一般称为“比例相对数”；
b.比例相对数 = 总体中某一部分数值 / 总体中另一部分数值 → “性价比指数”、“租售比”、“性价比”“男女比”…

导入数据

data = pd.read_csv('C:\\Users\\zhouchunzhu\\Desktop\\py.test/样例数据（租金售价）.csv',engine = 'python')
data.head()

在这里插入图片描述

# 售租比→ 售价租金比
data['售租比'] = data['均价'] / data['租金']    
data.head()

data['售租比'].plot.area(color = 'green',alpha = 0.5,ylim = [100,2000],figsize=(8,3),grid=True)
# 创建面积图表达

在这里插入图片描述

*（3）动态对比分析（纵向对比分析）

a.同一现象在不同时间上的指标数值进行对比，反应现象的数量随着时间推移而发展变动的程度及趋势;
b.最基本方法，计算动态相对数 → 发展速度;
c.动态相对数（发展速度） = 某一现象的报告期数值 / 同一现象的基期数值;
d.基期：用来比较的基础时期;
e.报告期：所要研究的时期，又称计算期;*

data = pd.DataFrame({'A':np.random.rand(30)*3000+1000},
                   index = pd.period_range('20200101','20200130'))
print(data.head())
print('------')
# 创建数据 → 30天内A企业的营业收入情况

#设定基期水平，假设为1000  
data['基期水平'] = 1000

#累计增长量
data['累计增长量'] = data['A'] - data['基期水平']

#逐期增长量
data['上一期A'] = data.shift(1)['A']                        #ata.shift(1) 数据向后平移   
data['逐期增长量'] =  data['A'] - data.shift(1)['A']    
data.fillna(0,inplace=True)                                # 替换缺失值
data.head()

data[['累计增长量','逐期增长量']].plot(figsize = (10,4),style = '--.',alpha = 0.8,title='A企业30天营业收入增长情况（万）')  
plt.axhline(0,color='r',linestyle="--",alpha=0.8)         # 添加y轴参考线
plt.legend(loc = 'lower left')
plt.grid()
# 通过折线图查看增长量情况


data['定基增长速度'] = data['累计增长量'] / 1000  
data['环比增长速度'] = data['逐期增长量'] / data.shift(1)['A']  
data[['定基增长速度','环比增长速度']].plot(figsize = (10,4),style = '--.',alpha = 0.8,title='A企业30天营业收入增长速度')  
plt.axhline(0,color='r',linestyle="--",alpha=0.8)  # 添加y轴参考线
plt.grid()
print(data.head())
print('------')

在这里插入图片描述