Python数据分析基础与应用（微课版） 教案 模块7 应用与实战

Python数据分析基础与应用模块模块7数据分析可视化展示【应用与实战】【任务7-1】药品销量数据可视化展示与分析【任务描述】Excel文件“药品销售数据.xlsx”共有6578条药店的药品销售数据，该Excel文件共有7列有效数据，分别为：购买时间、社保卡号、商品编码、商品名称、销售数量、应收金额、实收金额，通过分析药品销售数据，看看医院那些药物购买者较多，那些天购药者较多等等。本任务主要实现以下的数据可视化展示与分析：（1）绘制折线图分析每天的消费金额。（2）绘制折线图分析每月的消费趋势。（3）分析销量排前十种药品的销售情况。（4）分析一周中每天的数量和金额。（5）使用pyecharts绘制一周内各天的销量柱形图和销量排前十位的柱形图。数据导入与数据审阅详见模块4的【任务4-1】，数据预处理详见模块5的【任务5-1】，数据的统计与分析详见模块6的【任务6-1】。【任务实现】在JupyterNotebook开发环境中创建t7-01.ipynb，然后在单元格中编写代码与输出对应的结果。1．绘制折线图分析每天的消费金额分析每天的消费金额，并用可视化的方式呈现分析结果。（1）使用Pyplot模块的plot()函数绘制折线图代码如下：plt.plot(salesDf1['销售时间'],salesDf1['实收金额'])plt.title("按天消费金额图")plt.xlabel("日期")plt.ylabel("实收金额")plt.xticks(rotation=30)plt.show()输出结果如图7-1-1所示。图7-1-1使用Pyplot模块的plot()函数绘制的折线图从图1W中可以看出，每天的实收金额差异较大，除了个别天出现比较大的实收金额，大部分天的实收金额维持在500元以内。（2）使用DataFrame的plot()方法绘制折线图先把部分数据复制到另一个数据集中，防止对原数据集造成影响。代码如下：groupDf1=salesDf1[['销售时间','实收金额']].copy()groupDf1=groupDf1.set_index('销售时间')groupDf1.head()输出结果：然后绘制每天的实收金额折线图。代码如下：ax=groupDf1.plot(grid=True,figsize=(10,4))ax.set_ylabel('实收金额')plt.xticks(rotation=30)plt.show()输出结果如图7-1-2所示。图7-1-2使用DataFrame的plot()方法绘制的折线图2．绘制折线图分析每月的消费趋势（1）剔除销售数据不完整的月份观察药品销售数据集可以看出，7月的销售数据不完整，所以要去掉7月的销售数据。代码如下：salesDf1['月份']=salesDf1['销售时间'].dt.monthmonthDf=salesDf1.groupby('月份').agg('sum')monthDf=monthDf.reset_index(drop=False)monthDf1=monthDf.drop(axis=1,index=6)data_mounth1输出结果：（2）使用DataFrame的plot()方法绘制1～6月销售数量、应收金额、实收金额折线图代码如下：ax1=monthDf1.plot(x='月份',secondary_y=['销售数量'],x_compat=True,grid=True,figsize=(10,4),marker='o',linewidth=2)plt.title('1～6月药品销售趋势')ax1.right_ax.set_ylabel('销售数量')ax1.set_ylabel(['应收金额','实收金额'])输出结果如图7-1-3所示。1～6月药品销售趋势1～6月药品销售趋势图7-1-3使用DataFrame的plot()方法绘制的1～6月销售数量、应收金额、实收金额折线图（3）使用Pyplot模块的plot()函数绘制每个月消费金额折线图代码如下：groupDf=salesDf1groupDf.index=groupDf['销售时间']monthDf2=groupDf.groupby(groupDf.index.month).sum()plt.plot(monthDf2['实收金额'])plt.title("按月消费金额图")plt.xlabel("月份")plt.ylabel("实收金额")plt.show()输出结果如图7-1-4所示。图7-1-4使用Pyplot模块的plot()函数绘制的每个月消费金额折线图从图4W中可以看出，7月消费金额最少，这是因为7月的数据不完整，所以不具有参考价值；1月、4月、5月和6月的消费金额差异不大；1～2月的消费金额迅速降低。3．分析销量排前十位的药品的销售情况（1）聚合统计各种药品的销量将“商品名称”和“销售数量”这两列数据聚合为Series形式，方便后面进行统计，并将其按降序排列。代码如下：medicine=groupDf[['商品名称','销售数量']]re_medicine=medicine.groupby('商品名称')[['销售数量']].sum()re_medicine=re_medicine.sort_values(by="销售数量",ascending=False)（2）截取销量最多的前十种药品截取销量排前十位的药品，并用条形图展示结果。代码如下：top_medicine=re_medicine.iloc[:10,:]top_medicine输出结果：（3）使用DataFrame的plot()方法绘制销售数量前十位药品柱形图代码如下：top_medicine.plot(kind='bar')plt.title("销售数量前十位的药品")plt.xlabel("药品名称")plt.ylabel("销售数量")plt.legend(loc=0)plt.show()输出结果如图7-1-5所示。图7-1-5使用DataFrame的plot()方法绘制的销售数量前十位药品柱形图（4）使用Pyplot模块的barh()方法绘制销售数量前十位药品条形图代码如下：plt.barh(top_medicine._stat_axis.values,top_medicine['销售数量'])plt.title("销售数量前十位的药品")plt.ylabel("药品名称")plt.xlabel("销售数量")plt.show()输出结果如图7-1-6所示。图7-1-6使用Pyplot模块的barh()方法绘制的销售数量前十位药品条形图4．分析一周中每天的销售数量和金额（1）提取星期数据代码如下：salesDf1['星期']=salesDf1['销售时间'].dt.dayofweek（2）对销售数量、应收金额、实收金额按一周中的7天分别求和data_week=salesDf1.groupby('星期').agg('sum')data_week.drop('月份',axis=1,inplace=True)data_week=data_week.reset_index(drop=False)data_week输出结果：（3）使用DataFrame的plot()方法绘制一周中7天的销售数量、应收金额、实收金额之和的折线图代码如下：ax1=data_week.plot('星期','实收金额',marker='o')data_week.plot('星期','应收金额',ax=ax1,marker='o')plt.grid(True)x=range(7)plt.xticks(x,['星期一','星期二','星期三','星期四','星期五','星期六','星期日'])plt.xlabel('')plt.ylabel(['应收金额','实收金额'])plt.show()输出结果如图7-1-7所示。图7-1-7一周中7天的销售数量、应收金额、实收金额之和的折线图5．使用pyecharts绘制一周内各天的药品销量柱形图和销量排前十位的药品柱形图（1）绘图数据预处理代码如下：df2=salesDf.copy()df2=df2.dropna(subset=['购药时间'])df2['社保卡号'].fillna('100000000',inplace=True)df2['销售数量']=df2['销售数量'].abs()df2['应收金额']=df2['应收金额'].abs()df2['实收金额']=df2['实收金额'].abs()df2['销售数量']=df2['销售数量'].astype(int)df2[['购药日期','星期']]=df2['购药时间'].str.split('',2,expand=True)df2.loc[:,'购药日期']=pd.to_datetime(df2.loc[:,'购药日期'],format='%Y-%m-%d',errors='coerce')df2=df2.dropna(subset=['购药日期'],how='any')df2=df2[['购药日期','星期','社保卡号','商品编码','商品名称','销售数量','应收金额','实收金额']]df2.head()输出结果：（2）绘制一周内各天的药品销量柱形图代码如下：color_js="""newecharts.graphic.LinearGradient(0,1,0,0,[{offset:0,color:'#FFFFFF'},{offset:1,color:'#ed1941'}],false)"""g1=df2.groupby('星期').sum()x_data=list(g1.index)y_data=g1['销售数量'].values.tolist()b1=(Bar().add_xaxis(x_data).add_yaxis('',y_data,itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_js))).set_global_opts(title_opts=opts.TitleOpts(title='一周内各天的药品销量情况',pos_top='2%',pos_left='center'),legend_opts=opts.LegendOpts(is_show=False),xaxis_opts=opts.AxisOpts(name="星期",axislabel_opts=opts.LabelOpts(rotate=-15)),yaxis_opts=opts.AxisOpts(name="销售数量",name_location='middle',name_gap=50,name_textstyle_opts=opts.TextStyleOpts(font_size=16))))b1.render_notebook()输出结果如图7-1-8所示。图7-1-8一周内各天的药品销量柱形图（3）绘制销量排前十位的药品柱形图代码如下：color_js="""newecharts.graphic.LinearGradient(0,1,0,0,[{offset:0,color:'#FFFFFF'},{offset:1,color:'#08519c'}],false)"""g2=df2.groupby('商品名称').sum().sort_values(by='销售数量',ascending=False)x_data=list(g2.index)[:10]y_data=g2['销售数量'].values.tolist()[:10]b2=(Bar().add_xaxis(x_data).add_yaxis('',y_data,itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_js))).set_global_opts(title_opts=opts.TitleOpts(title='销量排前十位的药品',pos_top='2%',pos_left='center'),legend_opts=opts.LegendOpts(is_show=False),xaxis_opts=opts.AxisOpts(name="药品名称",axislabel_opts=opts.LabelOpts(rotate=-15)),yaxis_opts=opts.AxisOpts(name="销售数量",name_location='middle',name_gap=50,name_textstyle_opts=opts.TextStyleOpts(font_size=16))))b2.render_notebook()输出结果如图7-1-9所示。图7-1-9销量排前十位的药品柱形图6．分析结论①6个月内总消费次数为5360，月均消费次数为893，平均每天消费次数为30。按10小时工作时间算，平均每小时消费次数为3，即平均每小时成交量仅为3，成交量少，可以考虑开展关联消费等促销活动，增加单位时间成交量。②6个月内月均消费金额为50771.71元，客单价为56.8元。③消费趋势为：2-4月销量上升，4月销量出现峰值，1～2月、4～5月销量下降。重点分析4月销量高的原因，以及4月后销量下降的影响因素，如季节性感冒、流感等。④6个月内共销售药品78种，其中销量超过100的药品（属于热销药品）有39种，正好达50%。【任务7-2】网上商城用户消费行为可视化展示与分析【任务描述】文件df_short.csv中共有55148行网上商城的用户消费数据，该文件中共有7个有效列，其含义说明详见模块4的【任务4-2】。本任务主要实现以下的数据可视化分析：（1）绘制图形统计分析用户的浏览与消费情况。（2）各类用户行为的相关分析。（3）消费商品类型分析。数据导入与数据审阅详见模块4的【任务4-2】，数据预处理详见模块5的【任务5-2】，数据的统计与分析详见模块6的【任务6-2】。【任务实现】在JupyterNotebook开发环境中创建t7-02.ipynb，然后在单元格中编写代码与输出对应的结果。1．绘制图形统计、分析用户的浏览与消费情况（1）计算消费占比与绘制柱形图代码如下：tbc_box=total_buy_count.reset_index()fig,ax=plt.subplots(figsize=[1.5,4])ax.set_yscale("log")sns.countplot(x=tbc_box['total'],data=tbc_box,palette='Set1')forpinax.patches:ax.annotate('{:.2f}%'.format(100*p.get_height()/len(tbc_box['total'])),(p.get_x(),p.get_height()))plt.title('用户消费占比')plt.show()输出结果如图7-2-1所示。用户消费占比用户消费占比图7-2-1用户消费占比柱形图（2）平台活跃状况分类分析与图形绘制代码如下：customer=data_short['customer_id'].value_counts()customer_1=customer[customer.values==1].count()customer_2=customer[customer.values==2].count()customer_3=customer[customer.values>=3].count()customer_count=[customer_1,customer_2,customer_3]frequent_labels=['1次','2次','3次及以上']plt.figure(figsize=(15,8),dpi=80)plt.subplot(1,2,1)plt.bar(frequent_labels,customer_count,width=0.5)forx,yinzip(frequent_labels,customer_count):plt.text(x,y,'{0}'.format(y),ha='center',va='bottom')plt.xlabel('频次')plt.ylabel('人数')plt.title('活跃频次分布')plt.subplot(1,2,2)plt.pie(customer_count,labels=frequent_labels,autopct='%.2f%%')plt.title('活跃频次分布')plt.show()输出结果如图7-2-2所示。图7-2-2反映平台活跃状况的柱形图与饼图（3）用户消费次数统计、分析①根据customer_id对用户的消费次数进行统计。代码如下：df=data_short[data_short['type']=='购买'].groupby(data_short['customer_id'])['customer_id'].count()finish=pd.DataFrame(df)finish.columns=['购买次数']frequency_content=['1次','2次','3次及以上']frequency_number=[0,0,0]foridinfinish.index:iffinish.loc[id,'购买次数']==1:frequency_number[0]=frequency_number[0]+1eliffinish.loc[id,'购买次数']==2:frequency_number[1]=frequency_number[1]+1else:frequency_number[2]=frequency_number[2]+1frequency_number输出结果：[921,5,0]②绘制用户购买次数的柱形图与饼图。代码如下：fig=plt.figure('用户购买次数分布图',dpi=120)ax=fig.add_subplot(121)ax.set_title('用户购买次数柱形图')plt.bar(frequency_content,frequency_number,width=0.4)plt.xlabel("购买次数")plt.ylabel("数量")forx,yinzip(frequency_content,frequency_number):plt.text(x,y,'{0}'.format(y),ha='center',va='bottom')ax=fig.add_subplot(122)ax.set_title('用户购买次数饼图')ax.axis('equal')ax.pie(frequency_number[0:2],labels=frequency_content[0:2],autopct='%1.2f%%')输出结果如图7-2-3所示。图7-2-3用户购买次数的柱形图与饼图（4）多次交易群体分析①筛选有多次购买行为的群体。代码如下：shopping_repeated=finish[finish['购买次数']>1]print(shopping_repeated)df=data_short[['customer_id','product_id','type','date']]shopping_info=pd.merge(shopping_repeated,df,left_on='customer_id',right_on='customer_id',how='left')shopping_info②多次交易群体同类型店铺交易分析。代码如下：df=shopping_info.groupby(['customer_id','shop_category'])['customer_id'].count()finish=pd.DataFrame(df)finish.columns=['同类型店铺交易次数']count_customer_norepeated=finish[finish['同类型店铺交易次数']==1]['同类型店铺交易次数'].count()count_sameshop=finish[finish['同类型店铺交易次数']>1]['同类型店铺交易次数'].count()sameshop_number=[]sameshop_number.append(count_customer_norepeated)sameshop_number.append(count_sameshop)print(sameshop_number)finish输出结果：[3,5]同类型店铺交易次数③绘制多次交易群体同类型店铺交易饼图。代码如下：list_sameshop=['1次','2次及以上']fig,ax=plt.subplots(1,1)ax.set_title('多次交易群体同类型店铺交易饼图')ax.pie(sameshop_number,labels=list_sameshop,autopct='%1.2f%%')输出结果如图7-2-4所示。图7-2-4多次交易群体同类型店铺交易饼图④多次交易群体同类型商品交易分析。代码如下：df=shopping_info.groupby(['customer_id','category'])['customer_id'].count()finish=pd.DataFrame(df)finish.columns=['同类型商品交易次数']count_customer_norepeated=finish[finish['同类型商品交易次数']==1]['同类型商品交易次数'].count()count_sameshop=finish[finish['同类型商品交易次数']>1]['同类型商品交易次数'].count()samecategory_number=[]samecategory_number.append(count_customer_norepeated)samecategory_number.append(count_sameshop)print(samecategory_number)finish输出结果：[6,4]同类型商品交易次数⑤绘制多次交易群体同类型商品交易饼图代码如下：list_samecategory=['1次','2次及以上']fig,ax=plt.subplots(1,1)ax.set_title('多次交易群体同类型商品交易饼图')ax.pie(samecategory_number,labels=list_samecategory,autopct='%1.2f%%')输出结果如图7-2-5所示。图7-2-5多次交易群体同类型商品交易饼图（5）用户消费时间分析①按照上、下半月将交易时间进行分区。代码如下：data_short=data1.copy()deftime_divide(time_buy):iftime_buy>=datetime(2022,2,1)andtime_buy<=datetime(2022,2,15):time_result='2月上半月'returntime_resulteliftime_buy>=datetime(2022,2,16)andtime_buy<=datetime(2022,2,28):time_result='2月下半月'returntime_resulteliftime_buy>=datetime(2022,3,1)andtime_buy<=datetime(2022,3,15):time_result='3月上半月'returntime_resulteliftime_buy>=datetime(2022,3,16)andtime_buy<=datetime(2022,3,31):time_result='3月下半月'returntime_resulteliftime_buy>=datetime(2022,4,1)andtime_buy<=datetime(2022,4,15):time_result='4月上半月'returntime_resultdata_short['时间区间']=data_short.apply(lambdax:time_divide(x.date),axis=1)data_short.head()输出结果：②分区段统计购买数量。代码如下：df=data_short.groupby(['时间区间'])['customer_id'].count()finish=pd.DataFrame(df)finish.columns=['分区段购买量']finish.head()输出结果：③绘制分区段购买量柱形图。代码如下：list_time=finish.indexlist_amount=finish['分区段购买量']fig,ax=plt.subplots(1,1)ax.bar(list_time,list_amount,width=0.4)ax.set_title('分区段购买量柱形图')ax.set_xlabel("购买时间段")ax.set_ylabel("购买数量")forx,yinzip(list_time,list_amount):plt.text(x,y,'{0}'.format(y),ha='center',va='bottom')输出结果如图7-2-6所示。图7-2-6分区段购买量柱形图根据图6W可以得出以下结论：2022年2月上半月交易量最大，这说明除夕前用户交易需求增加，春节期间交易量明显缩减，因此广告投放和资源投放更应该安排在除夕前；2月、3月上半月比下半月用户需求大，说明用户更愿意在上半月消费。（6）分析4月平台活跃情况与用户交易情况代码如下：df_short=data1.copy()action_map={1:'浏览',2:'评论',3:'购买',4:'收藏',5:'加入购物车'}df_short['type']=df_short['type'].map(action_map)data_short4=df_short[df_short['date'].dt.month.astype('int')==4]daily_active_user=data_short4.groupby('date')['customer_id'].nunique()daily_buy_user=data_short4[data_short4['type']=='购买'].groupby('date')['customer_id'].nunique()proportion_of_buyer=daily_buy_user/daily_active_userprint('4月日消费人数占比：',proportion_of_buyer)daily_buy_count=data_short4[data_short4['type']=='购买'].groupby('date')['type'].count()consumption_per_buyer=daily_buy_count/daily_buy_userprint('4月消费用户日人均消费次数：',consumption_per_buyer)（7）统计、分析4月的每日浏览量代码如下：pv_daily=data_short4[data_short4['type']=='浏览'].groupby('date')['customer_id'].count()fig,ax=plt.subplots(figsize=[10,6])sns.pointplot(x=pv_daily.index,y=pv_daily.values,markers='D',linestyles='--',color='dodgerblue')plt.title('4月每日浏览量')plt.xticks(rotation=45)plt.show()输出结果如图7-2-7所示。4月每日浏览量图7-2-74月每日浏览量折线图（8）统计、分析4月的每日访客数代码如下：uv_daily=data_short4.groupby('date')['customer_id'].nunique()fig,ax=plt.subplots(figsize=[10,6])sns.pointplot(x=uv_daily.index,y=uv_daily.values,markers='H',linestyles='--',color='m')plt.title('4月每日访客数')plt.xticks(rotation=45)plt.show()输出结果如图7-2-8所示。4月每日访客数图7-2-84月每日访客数折线图比较图7W与图8W可以看出：每日访客数和每日浏览量的波动趋势基本一致。（9）统计各月与一周内各天的交易行为发生次数与绘制饼图代码如下：df_short['month']=df_short['date'].dt.month.astype('int')df_short['weekday']=df_short['date'].dt.weekday.astype('int')+1plt.figure(figsize=(10,10))plt.subplot(1,2,1)data_short['month'].value_counts().plot(kind='pie',autopct='%.2f%%')plt.subplot(1,2,2)data_short['weekday'].value_counts().plot(kind='pie',autopct='%.2f%%')plt.show()输出结果如图7-2-9所示。（a）各月交易行为发生次数饼图（b）一周内各类交易行为发生次数饼图图7-2-9各月与一周内各天的交易行为发生次数饼图（10）分析一周内各天的订单量分布情况代码如下：week=df_short['weekday'].value_counts().sort_index()week.index=['星期一','星期二','星期三','星期四','星期五','星期六','星期日']plt.figure(figsize=(12,8))sns.barplot(x=week.index,y=week.values).set(title='一周内各天的订单量分布')plt.show()输出结果如图7-2-10所示。图7-2-10一周内各天的订单量分布柱形图从图7-2-10W可以看出：星期一、星期六、星期日订单量较低，星期二至星期五订单量较高。（11）平台活跃度的时间趋势分析代码如下：day=df_short.date.value_counts().sort_index()day.columns=['date']plt.figure(figsize=(10,8))sns.lineplot(data=day)plt.xlabel('交易时间')plt.ylabel('活跃人数')plt.title('2022年平台活跃人数分布')plt.xticks(rotation=45)输出结果如图7-2-11所示。图7-2-112022年平台活跃人数分布折线图（12）第1季度平台活跃度的时间趋势分析代码如下：customer_day=df_short.date[df_short.date<'2022-04-01'].value_counts().sort_index()plt.figure(figsize=(8,6),dpi=80)plt.plot(customer_day.index,customer_day.values)plt.xlabel('交易时间')plt.ylabel('活跃人数')plt.title('2022年第1季度平台活跃人数分布')plt.xticks(rotation=45)plt.show()输出结果如图7-2-12所示。图7-2-122022年第1季度平台活跃人数分布折线图从图7-2-12W可以看出：2月的平台活跃人数下滑后回升，波动较大；在2月下旬之后，平台活跃人数较为稳定。2．用户各行为的相关分析电商平台的用户行为主要有5种：浏览商品、收藏商品、加入购物车、购买商品和评论。针对用户各行为进行分析，探究商品的浏览、收藏、加入购物车、购买和评论的变化趋势如何，为什么会有这种趋势？为什么有些类别的商品会被用户购买甚至复购？这些商品有何特征？用户浏览、收藏、购买商品以及加入购物车和评论主要发生在一天中的什么时候？为什么在这个时间段？（1）统计用户各行为数量与绘制柱形图①绘制用户各行为类型的数量柱形图。代码如下：df=df_short['type'].value_counts()plt.figure(figsize=(10,6))sns.barplot(x=df.index,y=df.values).set(title='用户各行为类型的数量')plt.show()输出结果如图7-2-13所示。用户各行为类型的数量图7-2-13用户各行为类型数量柱形图②将用户行为数字转换为字符串。代码如下：action_map={1:'浏览',2:'评论',3:'购买',4:'收藏',5:'加入购物车'}df_short['type']=df_short['type'].map(action_map)③统计用户各行为类型的数量。代码如下：df1=df_short.groupby('type')['customer_id'].count().reset_index()df1.columns=['type','num']df1=df1.sort_values(by='num',ascending=False)df1输出结果：④绘制用户各行为类型的数量降序排列后的柱形图。代码如下：sns.barplot(x=df1.type,y=df1.num).set(title='用户各行为类型的数量')plt.show()输出结果如图7-2-14所示。用户各行为类型的数量图7-2-14用户各行为类型的数量降序排列后的柱形图⑤绘制带数量标签的用户各行为统计数量柱形图。代码如下：list_type=df1.indexlist_type_amount=df1['数量']fig,ax=plt.subplots(1,1)ax.bar(list_type,list_type_amount,width=0.4)ax.set_title('用户各行为统计数量柱形图')ax.set_ylabel("数量")ax.set_xlabel("用户各行为类型")forx,yinzip(list_type,list_type_amount):plt.text(x,y,'{0}'.format(y),ha='center',va='bottom')输出结果如图7-2-15所示。用户各行为统计数量柱形图用户各行为类型图7-2-15带数量标签的用户各行为统计数量柱形图从图7-2-15W可以看出：从总体上看，用户的浏览行为的统计数量是最多的。（2）透视分析各类用户行为数据代码如下：df_short.sort_values(by='date',ascending=True,inplace=True)df_short.describe(datetime_is_numeric=True)short_detail=pd.pivot_table(columns='type',index='date',data=df_short,values='customer_id',aggfunc=np.size)输出结果：（3）分析用户各行为类型的变化趋势代码如下：plt.figure(figsize=(15,8))sns.lineplot(data=short_detail)plt.show()输出结果如图7-2-16所示。图7-2-16用户各行为类型的变化趋势折线图（4）按用户行为分类提取数据代码如下：type1=df_short[df_short['type']=='浏览']type2=df_short[df_short['type']=='评论']type3=df_short[df_short['type']=='购买']type4=df_short[df_short['type']=='收藏']type5=df_short[df_short['type']=='加入购物车']（5）统计、分析浏览数量、购买数量、收藏数量与加入购物数量排前几位的商品类型代码如下：G=gridspec.GridSpec(3,2)plt.subplot(G[0,0])type1['category'].value_counts().sort_values(ascending=False)[:5].plot(kind='barh',figsize=(15,10),color='b')plt.ylabel('类型',size=15)plt.xlabel('数量',size=15)plt.title('浏览数量排前5位的商品类型',size=18)plt.subplot(G[0,1])type3['category'].value_counts().sort_values(ascending=False)[:5].plot(kind='barh',figsize=(15,10),color=['b','g','r','m','y'])plt.ylabel('类型',size=15)plt.xlabel('数量',size=15)plt.title('购买数量排前5位的商品类型',size=18)plt.subplot(G[1,0])type4['category'].value_counts().sort_values(ascending=False)[:5].plot(kind='barh',figsize=(15,10),color=['g'])plt.ylabel('类型',size=15)plt.xlabel('数量',size=15)plt.title('收藏数量排前5位的商品类型',size=18)plt.subplot(G[1,1])type5['category'].value_counts().sort_values(ascending=False)[:3].plot(kind='barh',figsize=(15,10),color=['m'])plt.ylabel('类型',size=15)plt.xlabel('数量',size=15)plt.title('加入购物车数量排前3位的商品类型',size=18)plt.subplots_adjust(wspace=0.3,hspace=0.5)plt.show()输出结果如图7-2-17所示。图7-2-17用户各行为类型排前几位的商品类型条形图（6）汇聚每个商品类型的浏览数量、收藏数量、加入购物车数量与购买数量数据代码如下：browseData=pd.DataFrame(type1['category'].value_counts().sort_index())followData=pd.DataFrame(type4['category'].value_counts().sort_index())CartData=pd.DataFrame(type5['category'].value_counts().sort_index())buyData=pd.DataFrame(type3['category'].value_counts().sort_index())behaviorData=pd.merge(browseData,followData,left_index=True,right_index=True,how='outer')behaviorData.columns=['浏览数量','收藏数量']behaviorData=pd.merge(behaviorData,CartData,left_index=True,right_index=True,how='outer')behaviorData.columns=['浏览数量','收藏数量','加入购物车数量']behaviorData=pd.merge(behaviorData,buyData,left_index=True,right_index=True,how='outer')behaviorData.columns=['浏览数量','收藏数量','加入购物车数量','购买数量']behaviorData.fillna(0,inplace=True)behaviorData.head()输出结果：（7）浏览数量、加入购物车数量、收藏数量与购买数量之间的相关分析代码如下：behaviorData.corr()输出结果：从上述输出结果可以看出：加入购物车数量与购买数量的相关系数为0.956863，这表示它们高度相关；浏览数量与加入购物车数量的相关系数为0.948181、浏览数量与购买数量的相关系数为0.943392，这表示它们高度相关。（8）绘制浏览数量、加入购物车数量、收藏数量与购买数量相关关系的热力图代码如下：plt.figure(figsize=(5,5),dpi=100)sns.heatmap(behaviorData.corr(),cmap='coolwarm')plt.show()输出结果如图7-2-18所示。图7-2-18浏览数量、加入购物车数量、收藏数量与购买数量相关关系的热力图（9）分析用户行为的时间变化趋势代码如下：plt.subplot(3,2,1)type1.groupby('date')['customer_id'].count().plot(kind='line',figsize=(15,10),c='b')plt.xlabel('日期',size=12)plt.ylabel('数量',size=12)plt.title('用户浏览数量趋势',size=12)plt.subplot(3,2,2)type4.groupby('date')['customer_id'].count().plot(kind='line',figsize=(15,10),c='g')plt.xlabel('日期',size=12)plt.ylabel('数量',size=12)plt.title('用户收藏数量趋势',size=12)plt.subplot(3,2,3)type5.groupby('date')['customer_id'].count().plot(kind='line',figsize=(15,10),c='r')plt.xlabel('日期',size=12)plt.ylabel('数量',size=12)plt.title('用户加入购物车数量趋势',size=12)plt.subplot(3,2,4)type3.groupby('date')['customer_id'].count().plot(kind='line',figsize=(15,10),c='y')plt.xlabel('日期',size=12)plt.ylabel('数量',size=12)plt.title('用户购买数量趋势',size=12)plt.subplot(3,2,5)type2.groupby('date')['customer_id'].count().plot(kind='line',figsize=(15,10),c='g')plt.xlabel('日期',size=12)plt.ylabel('数量',size=12)plt.title('用户评论数量趋势',size=12)plt.subplot(3,2,6)data1.groupby('date')['customer_id'].count().plot(kind='line',figsize=(15,10),c='m')plt.xlabel('日期',size=12)plt.ylabel('数量',size=12)plt.title('累计数量趋势',size=12)plt.subplots_adjust(hspace=0.8)plt.show()输出结果如图7-2-19所示。图7-2-19用户行为的时间变化趋势折线图（10）分析各类用户行为的占比代码如下：type_dis=df_short['type'].value_counts().reset_index()type_dis['rate']=round((type_dis['type']/type_dis['type'].sum()),3)type_dis=type_dis.rename(columns={'index':'用户行为类型','type':'累计数量','rate':'占比'})type_dis.style.bar(color='red',subset=['占比'])输出结果：3．消费商品类型分析（1）提取购买数量排前5位的商品类型代码如下：category5=data_short['category'].value_counts().head()category5输出结果：（2）绘制购买数量排前5位的商品类型饼图代码如下：plt.figure(figsize=(10,8))plt.pie(category5,labels=category5.index)plt.show()输出结果如图7-2-20所示。图7-2-20购买数量排前5位的商品类型饼图（3）绘制购买数量排前5位的商品类型条形图代码如下：category=data_short.category.value_counts().head(5)plt.figure(figsize=(10,6))sns.barplot(y=category.index,x=category.values).set(title='购买数量排前5位的商品类型')plt.show()输出结果如图7-2-21所示。图7-2-21购买数量排前5位的商品类型条形图从图21W可以看出：手机和外套的购买数量较多。（4）绘制购买数量排前5位的商品类型柱形图代码如下：plt.figure(figsize=(8,6),dpi=80)category=data_short['category'].value_counts().head()plt.bar(x=category.index,height=category.values,width=0.5)forx,yinzip(category.index,category.values):plt.text(x,y,'{0}'.format(y),ha='center',va='bottom')plt.xlabel('商品类型')plt.ylabel('购买数量')plt.title('购买数量排前5位的商品类型')plt.xticks(rotation=45)plt.show()输出结果如图7-2-22所示。图7-2-22购买数量排前5位的商品类型柱形图从图22W可以看出：购买数量排在前5位的商品类型分别是Phone（手机）、Coat（外套）、Tea（茶叶）、Notebook（笔记本电脑）、Tablet（平板电脑），其中手机的购买数量是第2名的将近2倍，说明手机是用户消费的主要产品。结合时间推测，可能冬季气温较低，这是购置外套的高峰时期；春节期间用户购置手机的消费欲望更强烈。（5）绘制购买数量排5位的商品类型的棒棒糖图代码如下：df=data_short['category'].value_counts().to_frame().head()x1=df.indexy1=df.categoryfig,ax=plt.subplots(figsize=(8,5),facecolor='white',dpi=80)ax.vlines(x=x1,ymin=0,ymax=y1,color='firebrick',alpha=0.7,linewidth=5)ax.scatter(x=x1,y=y1,s=75,color='firebrick',alpha=0.7)ax.set_title('最受欢迎的产品类型及销量',fontdict={'size':15})ax.set_ylabel('销量')ax.set_xticks(x1)ax.set_xticklabels(x1,rotation=60,fontdict={'horizontalalignment':'right','size':12})fora,binenumerate(y1):plt.text(a,b,'%.0f'%b,ha='center',va='bottom',fontsize=10)plt.show()输出结果如图7-2-23所示。图7-2-23购买数量排前5位的商品类型的棒棒糖图（6）分析购买数量排前5位的商品类型的受欢迎程度代码如下：pyplot=py.offline.iplottrace_basic=go.Bar(x=category5.index.tolist(),y=category5.values.tolist(),)layout=go.Layout(title='购买数量排前5位的商品类型的受欢迎程度')figure_basic=go.Figure(data=trace_basic,layout=layout)pyplot(figure_basic)输出结果如图7-2-24所示。购买数量排前5位的商品类型的受欢迎程度图7-2-24购买数量排前5位的商品类型的受欢迎程度柱形图从图7-2-24可以看出，用户购买数量较多的商品类型依次为：Phone（手机）、Coat（外套）、Tea（茶叶）、Notebook（笔记本电脑）、Tablet（平板电脑）。【任务7-6】使用pyecharts库分析订单数据与用户购物偏好【任务描述】（1）针对电商平台用户实际购买的订单数据（主要包含订单号、客户id、消费物品的类别、商品品牌、购物日期等）从时间维度分析订单数量及其变化。（2）针对用户偏好数据（主要包含用户id、用户偏好的细分类别、浏览购物平台时间，活跃度等）分析用户购物偏好，包括用户浏览最多、收藏最多的商品类型是什么？用户最喜欢在什么时间段浏览购物平台？【任务实现】在JupyterNotebook开发环境中创建t7-06.ipynb，然后在单元格中编写代码与输出对应的结果。扫描二维码，浏览使用pyecharts库分析订单数据与用户购物偏好的实现过程、示例代码及运行结果。在JupyterNotebook开发环境中创建t7-06.ipynb，然后在单元格中编写代码与输出对应的结果。1．导入模块代码如下：importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfrompyecharts.chartsimportLinefrompyecharts.chartsimportPiefrompyecharts.chartsimportBarfrompyechartsimportoptionsasoptsplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False2．导入数据代码如下：data1=pd.read_excel(r'.\data\df_short.xlsx',parse_dates=['date'],dtype={'customer_id':str,'product_id':str})data2=pd.read_excel(r'.\data\JD_labels.xlsx',dtype={'customer_id':str})3．数据审阅（1）数据复制代码如下：df_short=data1.copy()JD_labels=data2.copy()（2）查看数据集的基本信息代码如下：df_()输出结果：代码如下：JD_()输出结果：（3）查看部分数据代码如下：df_short.head()输出结果：代码如下：JD_labels.head()4．数据预处理（1）删除未命名的列代码如下df_short=df_short.drop('Unnamed:0',axis=1)JD_labels=JD_labels.drop('Unnamed:0',axis=1)（2）查看数据有无缺失值原始数据大概率会有缺失值，需要进行一定的挑选、清洗，才能获取相对可用的数据。代码如下：df_short.isnull().sum()输出结果：df_short数据集没有缺失值，不需要进行数据清洗。代码如下：JD_labels.isnull().sum()输出结果：JD_labels数据集有缺失值，但是因为缺失值数量太多，且大部分列有关联性，所以暂不对其进行处理。经过清洗的相对可用数据并不一定能被直接运用于数据分析，需要将数据根据需求再整理一遍，这样才能获取实际可用的数据。5．从时间维度分析订单数量及其变化（1）分析每天总体订单数量的变化针对不同的日期，分析总体订单数量是怎样变化的。代码如下：date_order_nums=df_short.date.value_counts().sort_index()dates=np.array(date_order_nums.keys().astype(str))date_order_nums.head()date_order_numsLine=(Line().add_xaxis(dates).add_yaxis('订单数量',date_order_nums.values.tolist(),is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="每天的订单数量",subtitle='2022/02/01-2022/04/15'),tooltip_opts=opts.TooltipOpts(is_show=True),xaxis_opts=opts.AxisOpts(type_="category",axislabel_opts=opts.LabelOpts(rotate=-15)),legend_opts=opts.LegendOpts(type_="plain",is_show=True,orient="vertical"),).render_notebook())date_order_numsLine输出结果如图7-6-1所示。图7-6-1每天订单数量变量的折线图（2）分析用户日访问量的变化绘制用户日访问量折线图的代码如下：line1_x=df_short['date'].sort_values().drop_duplicates()line1_x=line1_x.astype('str').tolist()line1_y=df_short.groupby(['date']).count()['type'].to_list()line1=Line()line_style={'normal':{'width':4,'shadowColor':'rgba(155,18,184,.3)','shadowBlur':5,'shadowOffsetY':10,'shadowOffsetX':10,'curve':0.5}}line1.add_xaxis(line1_x)line1.add_yaxis("",line1_y,is_smooth=True,linestyle_opts=line_style)line1.set_global_opts(datazoom_opts=opts.DataZoomOpts(range_start=17,range_end=57,orient='horizontal',type_='slider',is_zoom_lock=True,pos_bottom='2%'),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),title_opts=opts.TitleOpts(title="用户日访问量变化趋势",pos_left='center',pos_top='1%'))line1.render_notebook()输出结果如图7-6-2所示。用户访问量变化趋势用户访问量变化趋势图7-6-2用户日访问量折线图（3）按月分析订单数的变化代码如下：df_short['datetime']=pd.to_datetime(df_short['date'])df_short['month']=df_short['datetime'].dt.monthdf_short['day']=df_short['datetime'].dt.dayby_month=data[['month','customer_id']].groupby(['month']).count().sort_values(by=['month'],ascending=True)by_month.reset_index(inplace=True)line=(Line().add_xaxis(['2月','3月','4月']).add_yaxis("订单数",by_month['customer_id']).set_global_opts(title_opts=opts.TitleOpts(title="每月订单数")).render_notebook())line输出结果如图7-6-3所示。每月订单数每月订单数图7-6-3每月订单数折线图（4）分析一周内每天订单数的变化代码如下：df_short['weekday']=df_short['datetime'].dt.weekday+1by_weekday=df_short[['weekday','customer_id']].groupby(['weekday']).count().sort_values(by=['weekday'],ascending=True)by_weekday.reset_index(inplace=True)by_weekday['weekday'].to_list()line=(Line().add_xaxis(['周一','周二','周三','周四','周五','周六','周日']).add_y