头歌：电商精准营销—数据探索与可视化

第1关：单变量特征分布

#!/usr/bin/python
#coding:utf8
import warnings
warnings.filterwarnings("ignore") 
import pandas as pd
import os
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
import seaborn as sns
sns.set_style('darkgrid')
font=fm.FontProperties(fname=r'./data/simhei.ttf')  #自定义字体集

def explore_user(User_data):
    '''
    User_data数据类型请参考左边数据背景中用户数据，具体数据内容可以点击右上角文件目录，
    选择data文件夹，查看User.csv文件。
    请完善用户信息中的性别（'sex'）、年龄('age')和用户等级('user_lv_cd')的饼图分布，
    这里需要使用上面自定义字体集，图标题使用12号字，其他9号字;图形效果如左侧编程要求中的1所示。
    使用1行3列的子图展示，子图标题分别为“用户性别分布”，“用户年龄分布”，"用户等级分布"；饼图颜色使用默认颜色。
    '''
    fig = plt.figure(figsize=(27, 9))
    ##########  Begin ##########
    vars=['sex','age','user_lv_cd'] #选出要展示的变量名
    vars_name=['用户性别分布','用户年龄分布','用户等级分布'] #每个变量对应的图的标题
    for i in range(3):
        plt.subplot(1, 3, i+1)
        plt.pie(User_data[vars[i]].value_counts(), labels=User_data[vars[i]].value_counts().index, autopct='%.1f%%',textprops={'FontProperties':font, 'fontsize':9})
        plt.title(vars_name[i],FontProperties=font,fontsize=12)
    ##########  End   ########## 
    plt.show()
    plt.savefig('./task1/task1_user.png')
    plt.close(fig)
def explore_comment(comment):
    '''
    comment数据集是数据集Comment.csv的数据，数据中的商品评论数量('comment_num')，'comment_num'包含0,1,2,3,4等五种类型；
    类型的含义：0表示无评论，1表示有1条评论， 2表示有2-10条评论，3表示有11-50条评论，4表示大于50条评论；
    请完善商品评论中的商品评论数量('comment_num')的分布情况，需要使用自定义字体集，图标题使用12号字，其他9号字。
    '''
    fig=plt.figure(figsize=(8,6))
    ##########  Begin ##########
    plt.pie(comment['comment_num'].value_counts(), labels=comment['comment_num'].value_counts().index, autopct='%.1f%%',textprops={'FontProperties':font, 'fontsize':9})
    plt.title('商品评论分布',FontProperties=font,fontsize=12)
    plt.show()
    ##########  End   ##########
    plt.show() 
    plt.savefig('./task1/task1_comment.png')
    plt.close(fig)
def explore_action(action_data):
    '''
    action_data是数据集Action.csv的数据，是行为数据，可以参考左边的行为数据字段解释；
    数据中的‘type’字段包含1,2,3，4，5，6六类数值型数据，（值=1：浏览（指浏览商品详情页）；
    值=2：加入购物车；值=3：购物车删除；值=4：下单；值=5：关注；值=6：点击）
    请完使用seaborn.distplot查看客户这六类行为次数的分布情况，使用自定义字体集，
    子图标题字体大小12，其余字体大小9。在画图的过程中需要对统计每个user_id（客户）的行为次数，
    可以使用groupby函数，然后再展示客户行为次数分布
    '''
    figure = plt.figure(figsize=(27, 9))
    ##########  Begin ##########
    action_do=['浏览','加入购物车','购物车删除','下单','关注','点击']
    for i in range(1, 7, 1):
        plt.subplot(2, 3, i)
        sns.distplot(action_data[action_data['type'] == i].groupby('user_id')['sku_id'].count())
        plt.title('%s分布' %action_do[i-1],FontProperties=font,fontsize=12)
        plt.xlabel('客户%s的次数' %action_do[i-1],FontProperties=font,fontsize=9)
    ##########  End   ########## 
    plt.show()
    plt.savefig('./task1/task1_action.png')