教案21 对电商平台店铺进行描述性统计分析

厦门电子职业中专学校教案纸第1页学科数据分析与可视化第四章分析电商平台店铺销售数据对电商平台店铺进行描述性统计分析检查授课班级授课时数2教具计算机、投影仪多媒体教学网络授课时间教学方法授课、投影仪演示及上机操作教学目的1.理解描述性统计分析的目的和方法。2.掌握数据可视化的基本工具和方法，如箱线图、直方图、词云图。3.能够使用Python和相关库（如matplotlib、wordcloud）进行数据可视化。4.能够分析和解释数据可视化的结果。5.培养学生的数据分析意识和科学精神。6.通过数据可视化展示，增强学生对数据敏感性和责任感。教学重点和难点重点：1.数据可视化的基本方法和工具。2.如何选择合适的数据可视化方法。难点：1.数据可视化工具的实际操作和应用。2.数据可视化结果的分析和解释。复习提问1.在探索性数据分析中，我们通常关注数据集的哪些基本属性？教学内容、方法、过程和板书设计教学追记【复习引入】引入：在当今数字化时代，数据可视化的重要性愈发凸显。随着信息量的急剧增长，我们被海量的数据所包围，而如何有效地解读、分析和利用这些数据，成为了一个迫切的问题。数据可视化作为一种强大的工具，通过图形、图像、动画等直观的方式，将复杂的数据转化为易于理解和分析的视觉信息，极大地提升了我们处理数据的效率和质量。教案纸附页第2页教学内容、方法、过程和板书设计教学追记数据可视化不仅能够帮助我们快速捕捉数据的核心信息，还能通过丰富的视觉元素和交互设计，激发我们的创意思维和洞察力。无论是商业决策、科学研究还是日常生活，数据可视化都发挥着不可或缺的作用。因此，深入了解和掌握数据可视化的技能和方法，对于提升我们的专业素养和竞争力具有重要意义。【新课教学】对电商平台店铺进行描述性统计分析通过箱线图展示部分数值型数据维度字段的数据分布情况importmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']='Simhei'plt.figure(figsize=(24,6))plt.subplots_adjust(wspace=0.3,hspace=0.3)fori,jinenumerate(data[['销售额','利润','折扣','数量']]):plt.subplot(1,4,i+1)plt.title(j)data[[j]].boxplot(patch_artist=True,color='blue',boxprops={'facecolor':'crimson'})plt.xlabel('数据维度')plt.ylabel('数据值')运行结果如下：教案纸附页第3页教学内容、方法、过程和板书设计教学追记通过以上图形我们发现，销售额与利润的数据维度中存在较多异常值，后续使用这两个字段时需要留意，避免异常值造成分析结果偏大或偏小。通过直方图展示部分数值型数据维度字段的数据分布情况importmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']='Simhei'plt.figure(figsize=(24,6))plt.subplots_adjust(wspace=0.3,hspace=0.3)fori,jinenumerate(data[['销售额','利润','折扣','数量']]):plt.subplot(1,4,i+1)plt.title(j)data[j].plot(kind='hist',bins=20,color='royalblue',edgecolor='b',density=True)data[j].plot(kind='kde',color='red')plt.xlabel('数据维度')plt.ylabel('数据值')教案纸附页第4页教学内容、方法、过程和板书设计教学追记运行结果如下：从以上图形结果中我们发现，数量字段中数据的分布情况相较其他三个字段更为分散，而利润与销售额字段中的数据分布情况较为集中，这可能是销售额与利润字段中存在异常值，导致图形数据轴的数据范围被拉大，让大部分数据趋于集中，如果想解决当前的现状，可考虑筛选掉部分异常值。通过词云图展示销量好的产品fromwordcloudimportWordCloudimportmatplotlib.colorsasmcolorsshow_ciyun=data[['产品名称','数量']].groupby(by='产品名称').sum().reset_index()#将DataFrame转换成词频字典freq_dict=show_ciyun.set_index('产品名称')['数量'].to_dict()教案纸附页第5页教学内容、方法、过程和板书设计教学追记#创建词云实例wordcloud=WordCloud(width=800,height=400,max_words=150,background_color='ivory',colormap=mcolors.LinearSegmentedColormap.from_list("custom",["#ff0000","#0000ff"]),font_path='C:/Windows/Fonts/simhei.ttf').generate_from_frequencies(freq_dict)#显示词云图plt.figure(figsize=(10,5))plt.imshow(wordcloud,interpolation='bilinear')plt.axis("off")plt.margins(x=0,y=0)plt.show()运行结果如下：教案纸附页第5页教学内容、方法、过程和板书设计教学追记在上图结果中，“图钉”、“夹子”、“按钉”等词汇占据中心位置，字体最大，意味着它是销量最高的产品。而“订书钉”和“回形针”紧随其后，尺寸稍小，显示出它们也是销量较高的产品，但略次于前三者。通过词云图展示销售额最高的产品importmatplotlib.colorsasmcolorsshow_ciyun=data[['产品名称','销售额']].groupby(by='产品名称').sum().reset_index()#将DataFrame转换成词频字典freq_dict=show_ciyun.set_index('产品名称')['销售额'].to_dict()#创建词云实例wordcloud=WordCloud(width=800,height=400,max_words=150,background_color='ivory',colormap=mcolors.LinearSegmentedColormap.from_list("custom",["#ff0000","#0000ff"]),font_path='C:/Windows/Fonts/simhei.ttf').generate_from_frequencies(freq_dict)教案纸附页第6页教学内容、方法、过程和板书设计教学追记在上图结果中，“摩托罗拉”、“充电器”、“扶手椅”等词汇占据中心位置，字体最大，意味着它是销售额最高的产品。而“炉灶”和“冰箱”等词汇尺寸稍小，显示出它们也是销量较高的产品，略次于前三者，从以上两个图形结果我们可看出，产品的单价直接影响了该数据集中产品的销售额，销量高的产品在销售额展示结果中基本没有出现。【课堂拓展】为了进一步探索产品销量与销售额之间的关系，我们可以引入相关性分析的方法。相关性分析可以帮助我们量化两个或多个变量之间的关联程度。在这个案例中，我们将使用皮尔逊相关系数（Pearson'scorrelationcoefficient）来度量产品销量与销售额之间的线性关系。首先，我们提取出产品销量和销售额的数据，并计算它们之间的相关系数：```python#提取销量和销售额数据sales_volume=data['数量'].valuessales_amount=data['销售额'].values#计算皮尔逊相关系数fromscipy.statsimportpearsonrcorrelation,_=pearsonr(sales_volume,sales_amount)print(f"销量与销售额之间的皮尔逊相关系数是:{correlation:.2f}")correlation>0else'负相关'}关系，并且其强度为{abs(correlation):.2f}。")```教案纸附页第7页教学内容、方法、过程和板书设计教学追记根据运行结果，我们可以得到销量与销售额之间的相关性大小和方向。如果相