python数据分析基础

（一） 箱型图分析

# * coding:utf-8_*_
# 创建时间 :2019.12.26 16:06
# IDE      :PyCharm
import pandas as pd
catering_sale = '..chapter3\\data\\catering_sale.xls' #餐饮数据
data = pd.read_excel(catering_sale,index_col=u'日期') #读取数据，指定“日期”为列索引
import matplotlib.pyplot as plt #导入图像库
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() #建立图像
p = data.boxplot(return_type='dict') #画箱线图，直接使用DataFrame的方法
x = p['fliers'][0].get_xdata() # 'flies'即为异常值的标签
y = p['fliers'][0].get_ydata()
y.sort() #从小到大排序，该方法直接改变原对象

#用annotate添加注释
#其中有些相近的点，注解会出现重叠，难以看清，需要一些技巧来控制。
#以下参数都是经过调试的，需要具体问题具体调试。
for i in range(len(x)):
  if i>0:
    plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.05 -0.8/(y[i]-y[i-1]),y[i]))
  else:
    plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.08,y[i]))

plt.show() #展示箱线图

运行上面的程序，其结果为‘’缺失值个数为:1’，同时可以得到如图所式的箱型图
可以看出，箱型图中的超过上下界的7个销售额数据可能为异常值。结合具体业务可以把865 , 4060.3 , 4065.2归为正常值， 将22 , 51 , 60 , 6607.4 , 9106.44归为异常值。最后确定过滤规则为:日销量在400以下5000以上则属于异常数据
输出

（二）餐饮销量数据统计量分析代码

from __future__ import print_function
import pandas as pd
catering_sale = '\\chapter3\\data\\catering_sale.xls' #餐饮数据
data = pd.read_excel(catering_sale,index_col=u'日期') #读取数据，指定“日期”列为索引列
data = data[(data[u'销量']>400)&(data[u'销量']<5000)] #过滤异常数据
statistics = data.describe() #保存基本统计量
statistics.loc['range'] = statistics.loc['max'] - statistics.loc['min']  #极差
statistics.loc['var'] = statistics.loc['std']/statistics.loc['mean']  #变异系数
statistics.loc['dis'] = statistics.loc['75%'] - statistics.loc['25%']  #四分位数间距
print(statistics)

输出
销量
count 195.000000
mean 2744.595385
std 424.739407
min 865.000000
25% 2460.600000
50% 2655.900000
75% 3023.200000
max 4065.200000
range 3200.200000
var 0.154755
dis 562.600000

（三）菜品盈利帕累托图代码

from __future__ import print_function
import pandas as pd
#初始化参数
dish_profit = '..\\chapter3\\data\\catering_dish_profit.xls'
data = pd.read_excel(dish_profit,index_col=u'菜品名')
data = data[u'盈利'].copy()
# data.sort(ascending = False)

import matplotlib.pyplot as plt  #导入图像库
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()
data.plot(kind = 'bar')
plt.ylabel(u'盈利（元）')
p = 1.0*data.cumsum()/data.sum()
p.plot(color = 'r',secondary_y = True,style = '-o',linewidth = 2)
plt.annotate(format(p[6], '.4%'), xy = (6, p[6]), xytext=(6*0.9, p[6]*0.9), arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) #添加注释，即85%处的标记。这里包括了指定箭头样式。
plt.ylabel(u'盈利（比例）')
plt.show()

输出

数据连接 链接：https://pan.baidu.com/s/1U_vyXHTK1fnrnRVuA1JHlQ
提取码：zulz