python数据分析及可视化

某大型超市的年销售数据信息如下所示：

从左往右的相应字段分别为：订单日期、订单编号、商品门类、采购地区、销售额、数量以及利润。
首先导入所需要的库，并读取表格：

import pandas as pd
from pyecharts import Map
import matplotlib.pyplot as plt

df = pd.read_csv("superstore_dataset.csv")

之后查看字段对应的数据类型：

df.dtypes

--------------------------
Order Date     object
Order ID       object
Category       object
Country        object
Sales         float64
Quantity        int64
Profit        float64

我们发现Order Date订单日期是object类型，所以需要将其转化为datetime类型，并且变量的命名不符合python的命名规则，需要将两个字符串之间的空格替换成下划线：

df["Order Date"] = pd.to_datetime(df["Order Date"])
df.rename(columns=lambda x: x.replace(' ', '_'), inplace=True)

查看数据有无缺失值，对含有缺失值的记录进行计数：

df.isnull().sum()

-------------------------
Order_Date    0
Order_ID      0
Category      0
Country       0
Sales         0
Quantity      0
Profit        0
month         0

显然，各个字段均无缺失值。
1.采购地区数据视图：
通过构建字典对采购国家和该国家在一年中的订单数额进行统计：

country_dict = {}
for country in df["Country"]:
    if country not in country_dict.keys():
        country_dict[country] = 0
    country_dict[country] += 1

利用pyecharts中的Map，可视化全球订单所在的国家：

country = list(country_dict.keys())
order_quantity = list(country_dict.values())
map = Map("全球订单所在国家", width=1200, height=500)
map.add("订单数额", country, order_quantity, visual_range=[1, 900], maptype="world", is_visualmap=True,\
        visual_text_color='#333', is_map_symbol_show=True)
map.show_config()
map.render(path="全球订单地图.html")

从上图中我们发现，美国是该超市商品的最大采购国家，其次是中国和澳大利亚以及欧洲绝大部分国家。
2.统计2011年该超市每月的销售总额、销量和利润：
先从"Order_Date"中拆分出月份，并且单独作为一列，字段名"month"：

df["month"] = df["Order_Date"].values.astype('datetime64[M]')

再将现在的df按照月份进行分组，每一组中都是相同月份的订单日期、销售额、销量、利润和月份，再将每一组中的销售额、销量和利润求和，得到每个月的总销售额、总销量和总利润。

sales_data = df[["Order_Date", "Sales", "Quantity", "Profit", "month"]]
sales_month = sales_data.groupby(["month"]).sum()
month_2011 = sales_month.loc[slice(None), :].reset_index()
sales = month_2011["Sales"]
sales = pd.DataFrame(sales)
sales.columns = ["Sales in the year of 2011"]
sales.index = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sept", "Oct", "Nov", "Dec"]
sales.style.background_gradient()

reset_index()是将DataFrame结构的数据重新还原索引，包括每列的字段和每行的字段。

profit = month_2011["Profit"]
profit = pd.DataFrame(profit)
profit.columns = ["Profit in the year of 2011"]
profit.index = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sept", "Oct", "Nov", "Dec"]
profit.style.background_gradient()

quantity = month_2011["Quantity"]
quantity = pd.DataFrame(quantity)
quantity.columns = ["Quantity in the year of 2011"]
quantity.index = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sept", "Oct", "Nov", "Dec"]
quantity.style.background_gradient()

3.产品门类统计:
对产品门类Category进行统计,发现产品门类只有三个,即office supplies(办公用品),furniture(家居用品),technology(技术性机器设备)

order_category = {}
for c in df["Category"]:
    if c not in order_category.keys():
        order_category[c] = 0
    order_category[c] += 1

category = list(order_category.keys())
category_quantity = list(order_category.values())
plt.bar(range(len(category)), category_quantity, width=0.08, tick_label=category, color='lightseagreen')
plt.show()

通过图表发现办公用品需求量最大,家居用品和机器设备基本持平.
我们可以统计出办公用品全球采购的国家,并进行可视化:

country_dict = {}
for country, category in zip(df["Country"], df["Category"]):
    if category == "Office Supplies":
        if country not in country_dict.keys():
            country_dict[country] = 0
        country_dict[country] += 1
    else:
        pass

country = list(country_dict.keys())
order_quantity = list(country_dict.values())
map = Map("全球办公用品采购国家", width=1200, height=500)
map.add("采购数额", country, order_quantity, visual_range=[1, 500], maptype="world", is_visualmap=True,\
        visual_text_color='#333', is_map_symbol_show=True)
map.show_config()
map.render(path="全球办公用品采购地图.html")

从图中可以看出办公用品采购国家大多来自美国,其次是中国,澳大利亚,墨西哥以及欧洲国家.