【python】python海底捞门店营业数据分析与可视化（数据集+源码+论文）【独一无二】

一、设计要求

项目背景

本项目旨在通过数据分析和可视化的方法，对海底捞门店的营业数据进行深入的探索和理解。数据来源于Excel文件《海底捞门店数据.xlsx》。项目包括数据预处理、缺失值处理、异常值处理、重复值处理、数据转换、分组统计分析和数据可视化。

主要功能

数据读取与预览
- 从Excel文件中读取数据，展示数据的前几行，提供数据的基本信息，包括行列数、数据类型和非空数统计。
缺失值处理
- 统计数据中的缺失值总数。
- 提供两种处理缺失值的方法：删除含有缺失值的记录和用众数填充缺失值。
异常值处理
- 使用箱型图可视化数据，识别异常值。
- 提供两种去除异常值的方法：四分位数间距法（IQR）和3σ原则。
重复值处理
- 检查并删除数据中的重复值。
数据转换
- 将“省份”列转换为数值型数据，便于后续分析。
分组统计分析
- 按省份分组统计各省店铺数量。
- 按营业时长分组统计各时长区间内的店铺数量。
数据可视化
- 可视化各省店铺数量分布。
- 可视化营业时长分布。
- 可视化开始营业时间分布。
- 可视化结束营业时间分布。

二、设计思路

1. 导入库和设置

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

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

导入必要的库：pandas用于数据处理，matplotlib和seaborn用于数据可视化。
设置绘图时中文字体的显示，确保中文标签能正常显示。

2. 读取数据

file_path = '海底捞门店数据.xlsx'
df = pd.read_excel(file_path, engine='openpyxl')

从Excel文件中读取数据到一个DataFrame中。

3. 数据预览和基本信息

print("数据预览：")
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈


print("缺失值总数:")
print(df.isnull().sum())

在这里插入图片描述

在这里插入图片描述

打印数据的前几行，显示数据的基本信息（行列数、数据类型和非空数）。
统计缺失值的总数。

4. 处理缺失值

# 删除含有缺失值的记录
# 代码略....
print(df_dropna.isnull().sum())

# 用众数填充缺失值
df_fillna = df.fillna(df.mode().iloc[0])
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈
print(df_fillna.isnull().sum())

处理缺失值的方法包括：
- 删除含有缺失值的记录。
- 用众数填充缺失值。

5. 处理异常值

# 箱型图识别异常值
plt.figure(figsize=(10, 6))
# 代码略....
plt.show()

# 四分位数间距法去除异常值
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈

IQR = Q3 - Q1
df_no_outliers = df[~((df['营业时长'] < (Q1 - 1.5 * IQR)) | (df['营业时长'] > (Q3 + 1.5 * IQR)))]
print("去除异常值后的数据行列数: ", df_no_outliers.shape)

# 3σ原则去除异常值
mean = df['营业时长'].mean()
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈

print("3σ原则去除异常值后的数据行列数: ", df_no_outliers_sigma.shape)

在这里插入图片描述

使用箱型图可视化数据，识别异常值。
使用四分位数间距法（IQR）和3σ原则去除异常值。

在这里插入图片描述

6. 处理重复值

df_no_duplicates = df.drop_duplicates()
print("删除重复值后的数据行列数: ", df_no_duplicates.shape)

删除重复值。

7. 数据转换

# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈
print("转换后的数据预览：")
print(df.head())

将“省份”列转换为数值型数据，便于后续分析。

8. 数据分组和统计分析

# 按省份分组统计各省店铺数量
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈

print("按省份分组统计：")
print(province_group)

# 按营业时间长度分组统计
time_group = df.groupby('营业时长')['店名'].count().reset_index()
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈

print("按营业时间长度分组统计：")
print(time_group)

在这里插入图片描述

按省份和营业时长分组，统计各组的店铺数量。

9. 数据可视化

# 店铺数量按省份分布
plt.figure(figsize=(14, 7))
# 代码略....
# 代码略....
plt.show()

在这里插入图片描述

# 营业时长分布
plt.figure(figsize=(10, 6))
# 代码略....
# 代码略....
plt.show()

在这里插入图片描述

# 开始营业时间分布
plt.figure(figsize=(10, 6))
# 代码略....
# 代码略....
plt.show()

在这里插入图片描述

# 结束营业时间分布
# 代码略....
# 代码略....
plt.show()

可视化数据，展示各省店铺数量分布、营业时长分布、开始营业时间分布和结束营业时间分布。

在这里插入图片描述

总结

这段代码通过读取、预览、处理和分析数据，最后进行可视化展示。其设计思路清晰、结构完整，覆盖了数据处理和分析的多个方面，包括缺失值处理、异常值处理、重复值处理、数据转换、数据分组统计和数据可视化。