因为还处于数据分析的学习阶段（野生Python学者），所以在kaggle这个网站找了两个数据集来给自己练练手。

准备工作

<code>import pandas as pd

import os

import matplotlib.pyplot as plt

import numpy as np

from random import choice

获取数据

这里我下载了两个数据集第一个是关于咖啡的销售情况，第二个是关于Instagram这个网站1000名最受欢迎的博主的数据。

我就从咖啡的销售情况这个表入手，因为我看了第二个表实在是没有什么眉目去做T.T

# 读取目录内的文件

directory = r'C:\Users\Admin\Desktop\demo\练习'

files = os.listdir(directory)

print(files)

['coffee_result.csv', 'Instagram-Data.csv']

# 存放文件

files_list = []

for file in files:

if file.endswith('.csv'):

directory_file = fr'{directory}\{file}'

files_list.append(directory_file)

print(files_list)

['C:\\Users\\Admin\\Desktop\\demo\\练习\\coffee_result.csv', 'C:\\Users\\Admin\\Desktop\\demo\\练习\\Instagram-Data.csv']

# 读取需要的文件

df = pd.read_csv(files_list[0])

查看一些必要信息

df.info()

df

<class 'pandas.core.frame.DataFrame'>

RangeIndex: 1464 entries, 0 to 1463

Data columns (total 6 columns):

# Column Non-Null Count Dtype

--- ------ -------------- -----

0 date 1464 non-null object

1 datetime 1464 non-null object

2 cash_type 1464 non-null object

3 card 1375 non-null object

4 money 1464 non-null float64

5 coffee_name 1464 non-null object

dtypes: float64(1), object(5)

memory usage: 68.8+ KB

1464 rows × 6 columns

<code>print(df['cash_type'].unique().tolist(),'\n',

len(df['card'].unique().tolist()),'\n',

df['coffee_name'].unique().tolist(),'\n',

len(df['coffee_name'].unique().tolist()))

['card', 'cash']

589

['Latte', 'Hot Chocolate', 'Americano', 'Americano with Milk', 'Cocoa', 'Cortado', 'Espresso', 'Cappuccino']

8

通过info返回的信息可以看到card列存在一些空值，那我就把空值处理一下

df[df['card'].isnull()]

89 rows × 6 columns

空值是由支付类型为现金支付的那一列对应的行产生的

<code>df['card'] = df['card'].fillna("-1")

df['card'].isnull().any()

np.False_

对数据进行处理

在info返回的信息看到date这一列的数值类型是对象，我就把它变成日期类型方便我自己后续操作

print(type(df.loc[1,'date']),type(df.loc[1,'datetime']))

df.loc[1,'date']

<class 'str'> <class 'str'>

'2024-03-01'

# 调整日期格式提取每行数据的月份

df['date'] = pd.to_datetime(df['date'])

df['datetime'] = pd.to_datetime(df['datetime'])

df['month'] = df['date'].dt.month

print(len(df['month'].unique()))

7

查看每月的销售情况

因为9月份的数据只有5天所以这个月就不纳入分析

# 查看每月的销量以及金额

df_six = df[df['month']!=9].copy()

month = df_six['month'].unique() # 把月份单独拎出

month_sales = df_six.groupby('month')['money'].count()

month_sum = df_six.groupby('month')['money'].sum()

figure,axes = plt.subplots(1,2,figsize=[16,8])

figure.suptitle("Month sales and sum",size=20)

ax1 = axes[0].bar(month,month_sales)

axes[0].set_xlabel('Month',size=16)

axes[0].set_ylabel('Count',size=16)

ax2 = axes[1].bar(month,month_sum)

axes[1].set_xlabel('Month',size=16)

axes[1].set_ylabel('Sum',size=16)

axes[0].bar_label(ax1,fmt="%d",label_type="center")code>

axes[1].bar_label(ax2,fmt="%d",label_type="center")code>

plt.subplots_adjust(wspace=0.5)

统计每款咖啡的营销情况

每款咖啡每月的营销额

<code>nrows,ncols = 2,4

figure3,axes = plt.subplots(nrows,ncols,figsize=[16,8],sharex=True,sharey=True)

coffee_month_sales = df_six.groupby(['month','coffee_name'])['money'].sum().reset_index(name='sum')code>

coffee_names = coffee_month_sales['coffee_name'].unique().tolist()

for idx,coffee_name in enumerate(coffee_names):

x,y = divmod(idx,ncols)

coffee_data = coffee_month_sales[coffee_month_sales['coffee_name']==coffee_name]

bars = axes[x,y].bar(coffee_data['month'],coffee_data['sum'])

axes[x,y].bar_label(bars,fmt="%d",label_type="center")code>

subtitle = f"{coffee_name} {int(coffee_data['sum'].sum())}"

axes[x,y].set_title(subtitle)

axes[x,y].set_xlabel('month',size=16)

axes[x,y].set_ylabel('sum',size=16)

figure3.suptitle('coffee month sales',size=20)

plt.tight_layout()

plt.subplots_adjust(wspace=0.5)

查看不同咖啡的受众人数以及占比

<code>stati = df_six.groupby('coffee_name')['money'].count().reset_index(name='buyers')code>

stati.sort_values(by='buyers',ascending=True,inplace=True,ignore_index=True)code>

figure2,axes = plt.subplots(1,2,figsize=(16,8))

figure2.suptitle("Coffee audience number and proportion",size=20)

ax1 = axes[0].barh(stati.iloc[:,0],stati.iloc[:,1])

axes[0].bar_label(ax1,fmt="%d",label_type="center")code>

axes[0].set_ylabel("Kind",size=16)

axes[0].set_xlabel("Sum",size=16)

axes[1].pie(stati.iloc[:,1],labels=stati.iloc[:,0],autopct='%0.1f')code>

plt.subplots_adjust(wspace=0.5)

统计客户的实际消费情况

<code>cardholder = df_six[df_six['card']!='-1'].copy()

cardholder['tag'] = 1

cardholder.drop(columns=['date','datetime','cash_type'],inplace=True)

cardholder['month_sum'] = cardholder.groupby('card')['tag'].transform('sum')

active_buyer = cardholder.groupby('card')['month_sum'].max().reset_index(name='buys')code>

active_buyer.sort_values(by='buys',inplace=True,ignore_index=True,ascending=False)code>

cardholder['money_sum'] = cardholder.groupby('card')['money'].transform('sum')

money_sum = cardholder.drop_duplicates(subset='card',ignore_index=True).copy()code>

money_sum.drop(columns=['money','coffee_name','month','tag','month_sum'],inplace=True)

money_sum.sort_values(by='money_sum',inplace=True,ignore_index=True,ascending=False)code>

result = pd.merge(active_buyer,money_sum)

print('总消费金额平均数：',result['money_sum'].mean(),'\n',

result.head(10))

总消费金额平均数： 75.29034111310592

card buys money_sum

0 ANON-0000-0000-0012 96 2772.44

1 ANON-0000-0000-0009 67 2343.98

2 ANON-0000-0000-0141 44 1101.08

3 ANON-0000-0000-0097 38 1189.34

4 ANON-0000-0000-0040 30 910.12

5 ANON-0000-0000-0003 27 744.04

6 ANON-0000-0000-0001 17 646.14

7 ANON-0000-0000-0134 13 470.76

8 ANON-0000-0000-0024 12 422.26

9 ANON-0000-0000-0059 12 337.00

通过打印的数据可以看到这算是最活跃的一批用户了

程度大致就做到这种情况了，谢谢观看，如果有什么好的方法也可以在评论区评论！