数据分析例子

lijingle

基本信息
导入需要的库：csv文件

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt



%matplotlib inline   #将画图库内嵌到网页上，这样就可以显示图像

使用pd读取相关的文件，这里读取的是csv文件

sales = pd.read_csv(r'sales_data.csv',parse_dates=['Date'])

查看文件信息
sales.head()

sales.shape



#(113036, 18)

查看文件的相关信息，
sales.info()<class 'pandas.core.frame.DataFrame'>RangeIndex: 113036 entries, 0 to 113035Data columns (total 18 columns): #   Column            Non-Null Count   Dtype         ---  ------            --------------   -----          0   Date              113036 non-null  datetime64[ns] 1   Day               113036 non-null  int64          2   Month             113036 non-null  object         3   Year              113036 non-null  int64          4   Customer_Age      113036 non-null  int64                 dtypes: datetime64[ns](1), int64(9), object(8)memory usage: 15.5+ MB
查看详细信息sales.describe()

均值方差等信息

查看某一列的详细信息(包括均值方差等信息)：
sales['Unit_Cost'].describe()

单独求均值方差如下：

sales['Unit_Cost'].mean() #均值

sales['Unit_Cost'].std() #方差

sales['Unit_Cost'].median() #中值

sales['Unit_Cost'].head() #前5行列表



##值分别为：

#267.296365759581

#549.8354831077943

#9.0

画图分析
横着的box图

sales['Unit_Cost'].plot(kind = 'box',vert=False, figsize=(14,6))

画曲线图

sales['Unit_Cost'].plot(kind='density',figsize=(14,6))

画线

ax = sales['Unit_Cost'].plot(kind = 'density',figsize=(14,6))

ax.axvline(sales['Unit_Cost'].mean(),color='green')

ax.axvline(sales['Unit_Cost'].std(),color = 'red')

ax.axvline(sales['Unit_Cost'].median(),color = 'red')

画直方图

ax = sales['Unit_Cost'].plot(kind='hist',figsize=(14,6))

ax.set_ylabel('number of sales')

ax.set_xlabel('dollors')

分析Age_Group

sales.head()

sales['Age_Group'].value_counts()

通过原比例分析

sales['Age_Group'].value_counts().plot(kind='pie',figsize=(6,6))

通过圆柱bar进行分析

ax = sales['Age_Group'].value_counts().plot(kind = 'bar',figsize=(14,6))

ax.set_ylabel('number of sales')

从每一行之间查找相应的关系

相关性

corr = sales.corr()

corr

画图展示

fig = plt.figure(figsize=(8,8))

plt.matshow(corr,cmap='RdBu',fignum= fig.number)

plt.xticks(range(len(corr.columns)),corr.columns,rotation='vertical');

plt.yticks(range(len(corr.columns)),corr.columns);

用点的方式：年龄与收入之间的关系

sales.plot(kind='scatter',x='Customer_Age',y = 'Revenue',figsize=(6,6))

收入和利润的关系

sales.plot(kind='scatter',x= 'Revenue',y='Profit',figsize=(6,6))

其他的相关性

boxplot_cols=['Year','Customer_Age','Order_Quantity','Unit_Cost','Unit_Price','Profit']

sales[boxplot_cols].plot(kind='box',subplots=True,layout=(2,3),figsize=(14,8))

添加新的信息
添加每个人的收益

sales['Revenue_per_Age']=sales['Revenue']/sales['Customer_Age']



sales['Revenue_per_Age'].head()

画曲线显示

sales['Revenue_per_Age'].plot(kind='density',figsize=(14,6))

画直方图分析

sales['Revenue_per_Age'].plot(kind= 'hist',figsize=(14,6))

添加数据 添加一行Calculated_Cost
使用的计算方式为：Calculated_Cost=Order_Quantity∗Unit_Cost

sales['Calculated_Cost']= sales['Order_Quantity']*sales['Unit_Cost']

sales['Calculated_Cost'].head()

画图分析

sales.plot(kind='scatter',x='Calculated_Cost',y='Profit',figsize=(6,6))

修改Unit_Price的值，对其添加3%的税

sales['Unit_Price'].head()

sales['Unit_Price']*=1.03

sales['Unit_Price'].head()

索引
选择所有在Kentucky州的交易
sales.loc[sales['State'] == 'Kentucky']

得到年龄在(35-64)之间的成年人的收入的均值

sales.loc[sales['Age_Group']=='Adults (35-64)','Revenue'].mean()

762.8287654055604
年龄在小于25和年龄在35-64之间的人有多少？

sales.loc[(sales['Age_Group']=='Youth (<25)') | (sales['Age_Group'] == 'Adults (35-64)')].shape[0]

73652
计算美国成年人(35-64岁)的平均收入

sales.loc[(sales['Age_Group'] == 'Adults (35-64)') & (sales['Country'] == 'United States'), 'Revenue'].mean()

726.7260473588342
给每个法国人增加10%的收入

#查看

sales.loc[sales['Country']=='France','Revenue']

#增加

sales.loc[sales['Country']=='France','Revenue']*=1.1

#查看

sales.loc[sales['Country']=='France','Revenue'].head()