Python数据分析三剑客：Pandas、Matplotlib与Seaborn

最新推荐文章于 2024-09-29 13:11:29 发布

不爱喝苏打水

最新推荐文章于 2024-09-29 13:11:29 发布

阅读量115

点赞数

文章标签： python 数据分析 pandas

本文链接：https://blog.csdn.net/xx16755498979/article/details/134392772

版权

Python具有强大的数据分析和处理能力，使用Python做数据分析需掌握pandas、matplotlib、seaborn这三个Python包，掌握Python数据分析知识，可帮助我们更好地发现数据背后的规律和趋势，为业务决策提供支持。

使用Pandas数据读取

首先，导入pandas库，pandas库有强大的数据处理能力，使用read_excel函数可导入数据，只要导入文件路径即可导入数据，head可以预览前5行数据。

import pandas as pd

df=pd.read_excel(r'C:\Desktop\电商销售数据-23年8月.xlsx')
df.head()#预览前5行数据

info函数可以看各个字段的信息，包括非空值计数，数据类型，比如，这里的日期为日期型数据，区域为字符型数据，客户年龄为数值型数据。

df.info()#数据信息预览

使用describe函数对数据进行描述统计，描述统计内容包括计数、平均值、标准差、最小值、最大值等，比如对客户年龄进行描述统计，平均客户年龄为42岁，年龄最小的客户为22岁，年龄最大的客户为62岁。

df.describe()#数据描述统计

使用Pandas数据排序

sort_values函数可用于数据排序，by导入排序的数据列，默认排序是升序排序。

df.sort_values(by='销售额',inplace=True)#默认升序排序
df

ascending=False参数可以降序排列。

df.sort_values(by='销售额',inplace=True,ascending=False)#降序排序
df

如果要自定义排序，比如商品品类升序排序，销售额降序排序，by导入自定义数据列，ascending设置参数，True升序排序，False降序排序。

df.sort_values(by=['商品品类','销售额'],ascending=[True,False],inplace=True)#自定义排序
df

使用Pandas数据过滤

数据筛选使用数据框[]筛选，数据框里面写条件用于数据筛选，&当条件均满足时筛选，==满足特定条件筛选，这里表示筛选客户性别是男且客户年龄大于60的数据。

df[(df['客户性别']=='男')&(df['客户年龄']>60)]#数据筛选&与

下面筛选区域是“西北-甘肃省-白银”或者商品品类是“电脑硬件”的数据，& 当条件均满足时筛选，| 满足其一条件时筛选数据。

df[(df['区域']=='西北-甘肃省-白银')|(df['商品品类']=='电脑硬件')]#数据筛选|或

isin可筛选特定标签的数据，()内写具体的筛选标签即可，比如下面筛选特定订单号的数据。

df[df['订单号'].isin(['10021296335','10021669688','10021250896','10021434444','10021412817'])]

使用Pandas数据拆分

通过str.split方法对列中的数据进行拆分，expand参数设置为True，将返回包含拆分后的数据的DataFrame对象，如下将区域拆分为“省份”和“城市”两列。

df_split=df['区域'].str.split(pat='-',expand=True)#数据拆分

df['区域']=df_split.iloc[:,0]
df['省份']=df_split.iloc[:,1]
df['城市']=df_split.iloc[:,2]

df

使用Pandas统计运算

对数据进行统计运算，count用于计数，比如这里对订单号计数，计数结果有7409单。

df['订单号'].count()#计数

7409

如果对商品品类非重复计数，可以先使用unique返回非重复的列表，然后使用len对列表计数，返回结果商品品类有8个非重复值。

len(df['商品品类'].unique())#非重复计数

对销售数求和，sum用于求和，这里结果显示销售数总数为48354个。

df['销售数'].sum()#求和

48354

对每一个商品品类的订单数计数，使用groupby分组计数，即可得到每一个商品品类的订单数。

df.groupby(['商品品类'])['订单号'].count().reset_index()#分组计数

使用Python数据作图

Python中的matplotlib和seaborn库有强大的数据可视化功能，对各个区域的销售数计数，导入matplotlib包，传入销售数据列，并对具体的图表参数进行设置，可得出华南区域的销售数占比最大为36.3%，西南区域的销售数占比最小为3.1%。

import matplotlib.pyplot as plt 
import matplotlib.style as psl

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

psl.use('ggplot')

df_QY=df.groupby(['区域'])['销售数'].count().reset_index()

#饼图
labels = df_QY['区域'].tolist()
explode = [0.05,0.05,0,0,0,0]  # 用于突出显示数据
df_QY['销售数'].plot(kind='pie',figsize=(9,6),
                         autopct='%.1f%%',#数据标签
                         labels=labels,
                         startangle=260, #初始角度
                         explode=explode, # 突出显示数据
                         pctdistance=0.87,  # 设置百分比标签与圆心的距离
                         textprops = {'fontsize':12, 'color':'k'}, # 设置文本标签的属性值
                        )
plt.title("各区域销售数占比")

plt.show()

对利润做箱线图，使用boxplot函数，对箱线图图表参数进行设置，可得出利润的数据分布情况，箱线图中大多数利润数据都超过了箱线图的上下限。

import matplotlib.pyplot as plt 
import matplotlib.style as psl

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

psl.use('ggplot')
plt.title('利润箱线图')

df_XB=df[df['区域']=='西北']

#箱线图
plt.boxplot(x=df_XB['利润'],#指定绘制箱线图的数据
            whis=1.5,  #指定1.5倍的四分位数差
            widths=0.1,  #指定箱线图中箱子的宽度为0.3
            showmeans=True,  #显示均值
            #patch_artist=True,  #填充箱子的颜色
            #boxprops={'facecolor':'RoyalBlue'},  #指定箱子的填充色为宝蓝色 
            flierprops={'markerfacecolor':'red','markeredgecolor':'red','markersize':3},  #指定异常值的填充色、边框色和大小
            meanprops={'marker':'h','markerfacecolor':'black','markersize':8},  #指定中位数的标记符号（虚线）和颜色
            medianprops={'linestyle':'--','color':'orange'},  #指定均值点的标记符号（六边形）、填充色和大小
            labels=['西北']  
           )

plt.show()

对销售数做折线图，导入seaborn库，日期列作为X轴，销售数作为Y轴，由折线图可以看到销售数随日期的波动变化趋势。

import seaborn as sns  
import matplotlib.pyplot as plt   

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

plt.figure(figsize=(10,6))
  
# 使用Seaborn绘制折线图  
sns.lineplot(data=df, x='日期', y='销售数', color='blue')  
  
# 设置图表标题和轴标签  
plt.title('销售数折线图')  
plt.xlabel('日期')  
plt.ylabel('销售额')  
  
# 显示图形  
plt.show()

对商品品类做词云图分析，wordcloud库可专门做词云图，使用字典统计商品类别数量，创建词云对象后，matplotlib可绘制词云图，由词云图可以看出床品件套的品类最多，办公家具的品类最少。

from wordcloud import WordCloud  
import matplotlib.pyplot as plt  
  
# 商品类别列表
product_categories = df['商品品类'].tolist()
    
# 使用字典统计商品类别数量  
category_counts = dict()  
for category in product_categories:  
    if category in category_counts:  
        category_counts[category] += 1  
    else:  
        category_counts[category] = 1  

#创建词云对象  
wordcloud = WordCloud(font_path='simhei.ttf', background_color='white').generate_from_frequencies(category_counts)  
  
# 使用matplotlib绘制词云图  
plt.figure(figsize=(9, 6))  
plt.imshow(wordcloud, interpolation='bilinear')  
plt.axis("off") 

plt.show()