对2016年8月份某餐馆订单进行可视化分析

2023-12-25 21:17| 来源: 网络整理| 查看: 265

1、数据的格式

2、分析内容

1、绘制8月份每天销售额分析-折线图 2、销售额与星期的关系分析-柱状图 3、星期一~星期天销售额的占比关系-饼图 4、时间、销售额、订单量之间的关系-气泡图

2.1 八月份每天销售额的折线图 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 设置显示的字体 plt.rcParams['font.sans-serif'] = 'SimHei' # 显示中文 plt.rcParams['axes.unicode_minus'] = False # 显示负号 # 从本地读取餐馆订单数据 data = pd.read_excel(r'.\meal_order_detail_1.xls') # 查看订单数据相关信息 print(data.shape) print(data.columns) # 计算收入, 总价=数量*单价 data['price'] = data['counts']*data['amounts'] # 添加时间戳，将相应的时间转化为第1天到-N天 data['day'] = pd.DatetimeIndex(data['place_order_time']).day # 对'day'和'price'进行聚合操作 data_gb = data[['day', 'price']].groupby(by='day') # 对每天所有订单金额求和 number = data_gb.agg(np.sum) # 8月份每天(共31天)销售额的折线图 plt.figure() plt.scatter(range(1, 32), number, marker='D') plt.plot(range(1, 32), number) plt.xlabel('日期') plt.ylabel('销售额') plt.title('2016年8月餐饮销售额趋势图') plt.xticks(range(1, 32)[::7], range(1, 32)[::7]) plt.text(number['price'].argmin(), number['price'].min(), '最小值为'+str(number['price'].min())) plt.show() 结果展示：

2.2 销售额与星期的关系，对星期的销售额分析 import pandas as pd import numpy as np import matplotlib.pyplot as plt # 设置显示的字体 plt.rcParams['font.sans-serif'] = 'SimHei' # 显示中文 plt.rcParams['axes.unicode_minus'] = False # 显示负号 # 从本地读取餐馆订单数据 data = pd.read_excel(r'.\meal_order_detail_1.xls') # 查看订单数据相关信息 print(data.shape) print(data.columns) # 添加时间戳并将相应日期转化为星期一~天 ind = pd.DatetimeIndex(data['place_order_time']) data['weekday_name'] = ind.day_name() # 对销售额与星期进行分组聚合，并对星期一到星期天的销售额进行求和 data_gb=data[['weekday_name', 'price']].groupby(by='weekday_name') number = data_gb.agg(np.sum) week = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday'] # 更改数据的顺序 number2 = number.loc[week, 'price'] # 注意，这里的星期顺序是乱的 # plt.bar(number2.index, number2) # width宽度，alpha透明度 plt.bar(range(1, len(number2)+1), number2, width=0.5, alpha=0.5) plt.xticks(range(1, len(number2)+1), number2.index, rotation=45) plt.title('星期与销售额的关系') for i,j in zip(range(1, len(number2)+1), number2): plt.text(i ,j, '%i'%j, ha='center', va='bottom') plt.show()

2.3 星期一~天销售额占比关系 import pandas as pd import numpy as np import matplotlib.pyplot as plt # 设置显示的字体 plt.rcParams['font.sans-serif'] = 'SimHei' # 显示中文 plt.rcParams['axes.unicode_minus'] = False # 显示负号 # 从本地读取餐馆订单数据 data = pd.read_excel(r'.\meal_order_detail_1.xls') # 查看订单数据相关信息 print(data.shape) print(data.columns) # 添加时间戳并将相应日期转化为星期一~星期天 ind = pd.DatetimeIndex(data['place_order_time']) data['weekday_name'] = ind.day_name() # 对销售额与星期进行分组聚合，并对星期一到星期天的销售额进行求和 data_gb=data[['weekday_name', 'price']].groupby(by='weekday_name') number = data_gb.agg(np.sum) week = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday'] # 调整数据的顺序 number2 = number.loc[week, 'price'] # 销售额的占比情况 plt.figure(figsize=(5, 5)) plt.style.use('ggplot') plt.pie(number2, labels=number2.index, autopct='%.2f%%', explode=[0.1]+[0]*6, wedgeprops=dict(width=0.6, edgecolor='w')) plt.title('星期销售额占比情况') plt.show()

2.4 时间、销售额、订单量之间的关系 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 设置显示的字体 plt.rcParams['font.sans-serif'] = 'SimHei' # 显示中文 plt.rcParams['axes.unicode_minus'] = False # 显示负号 # 从本地读取餐馆订单数据 data = pd.read_excel(r'.\meal_order_detail_1.xls') # 查看订单数据相关信息 print(data.shape) print(data.columns) # 计算收入, 总价=数量*单价 data['price'] = data['counts']*data['amounts'] # 添加时间戳，将相应的时间转化为第1天到-N天 data['day'] = pd.DatetimeIndex(data['place_order_time']).day # 对订单id, 总价，日期(day)进行聚合 data_gb = data[['order_id', 'price', 'day']].groupby(by='day') # np.unique(data)===去除重复的数据并按从小到大的顺序排列 def myfun(data): return len(np.unique(data)) number = data_gb.agg({'price': np.sum, 'order_id':myfun}) plt.scatter(range(1, 32), number['price'], s=number['order_id']) plt.title('订单量、销售额与时间的关系') plt.xlabel('时间') plt.ylabel('销售额') plt.show()

三、参考链接

1、groupby-分组聚合相关知识 2、plt.xticks 3、pd.DatetimeIndex时间戳 4、Matplotlib常见图形绘制

【本文地址】

公司简介

联系我们