Python数据可视化——Matplotlib可视化（二）
以某餐饮企业的订单详情表数据为可视化对象，分析：
销售额随时间的变化情况
销售额与星期的关系
订单数量与销售额的关系
数据预处理
import pandas as pd
from sqlalchemy import create_engine
con = create_engine('mysql+pymysql://root:@127.0.0.1:3306/test?charset=utf8') # 创建连接数据库的
tmp1 = pd.read_sql('meal_order_detail1',con=con)
tmp2 = pd.read_sql('meal_order_detail2',con=con)
tmp3 = pd.read_sql('meal_order_detail3',con=con)
data = pd.concat([tmp1,tmp2,tmp3],axis=0) # 拼接数据，纵向拼接销售额随时间的变化情况
# 计算收入
data['price'] = data['counts']*data['amounts']
# 日期转换为星期
ind = pd.DatetimeIndex(data['place_order_time']) # pd.to_datetime()
data['weekday_name'] = ind.weekday_name
data['day'] = ind.day
data_gb = data[['day','price']].groupby(by='day')
number = data_gb.agg(np.sum)
# 绘制折线图观看趋势
import matplotlib.pyplot as plt
plt.scatter(range(1,32),number,marker='D')
plt.plot(range(1,32),number,'r')
plt.title('2016年8月餐饮销售额趋势示意图')
plt.xlabel('日期')
plt.ylabel('销售额')
plt.xticks(range(1,32)[::7],range(1,32)[::7])
plt.text(number['price'].argmin(),number.min(),'最小值为'+str(number['price'].min()),va='top')
plt.text(number['price'].argmax(),number.max(),'最大值为'+str(number['price'].max()),va='bottom')
plt.show()
销售额与星期的关系
ind = ['Monday','Tuesday','Wednesday','Thursday','Friday','Saturday','Sunday']
number2 = number_pie.loc[ind,'price']
# 绘制直方图
plt.bar(number2.index,number2,width=0.6,alpha=0.7)
plt.plot(number2.index,number2,'r')
plt.title('星期与销售额的数量情况')
for i,j in zip(number2.index,number2):
plt.text(i,j+1000,'%i'%j,ha='center',va='bottom')
plt.show()
data_gb_weekday = data[['weekday_name','price']].groupby(by='weekday_name')
number_pie = data_gb_weekday.agg(np.sum)
plt.style.use('ggplot')
plt.pie(number_pie,autopct='%.2f%%',labels=number_pie.index,wedgeprops=dict(width=0.6,edgecolor='w'))
plt.title('星期销售额占比情况')
plt.show()
订单数量与销售额的关系
data_gb_or = data[['order_id','price','day']].groupby(by='day')
def myfun(data):
return len(np.unique(data))
number3 = data_gb_or.agg({'price':np.sum,'order_id':myfun})
plt.scatter(range(1,32),number3['price'],s=number3['order_id']) # 气泡图
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()