数据分析案例：全球星巴克数量统计

案例概述

本文为博主的数据分析学习笔记。此篇文章介绍使用星巴克数据统计中国和美国的星巴克数量，并统计中国各个省份的星巴克数量并作图。

本案例涉及到的知识点

1. Pandas之DataFrame分组
2. Pandas之布尔索引

数据来源：Starbucks Locations Worldwide | Kaggle

案例分析

（一）根据国家进行分组并计数

# 按国家分类(pandas分组方法）
groupsByCountry = star_df.groupby(by='Country')
print(groupsByCountry)
# groupsByCountry是一个可遍历的对象

for countryName, data in groupsByCountry:
    # groupsByCountry的每一项是一个元组
    # countryName第一个变量为分类的国家名
    # data为每个国家的数据，类型为DataFrame
    print(countryName)
    print('-' * 100)
    print(data)
    print('#' * 100)

# 获得美国的星巴克数据
US_df = star_df[star_df['Country'] == 'US']

# 调用聚合方法对星巴克数量进行计数
countryCount = groupsByCountry['Brand'].count()  # 计数需要使用没有缺失的字段
print('美国星巴克数量：', countryCount['US'])  # 美国星巴克数量
print('中国星巴克数量：', countryCount['CN'])  # 中国星巴克数量

（二）统计中国各省份星巴克数量

在中国的dataframe上再根据省份字段分组即可。

如果下面代码中第9行是groupsByProvinceInChina[‘Brand’].count() 得到的会是一个Series，要转换成DataFrame在Brand外面再嵌套一层中括号即可。

使用sort_value()进行排序是为了后面作图能直接反映最大值和最小值。

CN_df = star_df[star_df['Country'] == 'CN']  # 中国星巴克信息
print(CN_df.info())

groupsByProvinceInChina = CN_df.groupby(by='State/Province')
# for province,data in groupsByProvinceInChina:
#     print(province)

provinceCount = \
    groupsByProvinceInChina[['Brand']].count().sort_values(by='Brand', ascending=True)

（三）省份代码

在原始数据中省份字段使用的是各省份数字代码。在作图时可以使用特定的函数将数字代码一一转换为省份名。

（博主提取省份数据时发现省份代码91,92在网上找不到资料，转换省份名的时候导致数量不一样作图失败，所以放弃了，希望有知道的读者可以在评论区评论）

Code

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt


def ProvinceTransfer(codeList):
    '''
    返回中国省份列表
    :param codeList: 省份数字代码，可以是数值类型或字符串类型
    :return: 省份列表
    '''
    resList = []
    for item in codeList:
        if item == 11 or item == '11':
            resList.append('北京')
        if item == 12 or item == '12':
            resList.append('天津')
        if item == 13 or item == '13':
            resList.append('河北')
        if item == 14 or item == '14':
            resList.append('山西')
        if item == 15 or item == '15':
            resList.append('内蒙古')

        if item == 21 or item == '21':
            resList.append('辽宁')
        if item == 22 or item == '22':
            resList.append('吉林')
        if item == 23 or item == '23':
            resList.append('黑龙江')

        if item == 31 or item == '31':
            resList.append('上海')
        if item == 32 or item == '32':
            resList.append('江苏')
        if item == 33 or item == '33':
            resList.append('浙江')
        if item == 34 or item == '34':
            resList.append('安徽')
        if item == 35 or item == '35':
            resList.append('福建')
        if item == 36 or item == '36':
            resList.append('江西')
        if item == 37 or item == '37':
            resList.append('山东')

        if item == 41 or item == '41':
            resList.append('河南')
        if item == 42 or item == '42':
            resList.append('湖北')
        if item == 43 or item == '43':
            resList.append('湖南')
        if item == 44 or item == '44':
            resList.append('广东')
        if item == 45 or item == '45':
            resList.append('广西')
        if item == 46 or item == '46':
            resList.append('海南')

        if item == 50 or item == '50':
            resList.append('重庆')
        if item == 51 or item == '51':
            resList.append('四川')
        if item == 52 or item == '52':
            resList.append('贵州')
        if item == 53 or item == '53':
            resList.append('云南')
        if item == 54 or item == '54':
            resList.append('西藏')

        if item == 61 or item == '61':
            resList.append('陕西')
        if item == 62 or item == '62':
            resList.append('甘肃')
        if item == 63 or item == '63':
            resList.append('青海')
        if item == 64 or item == '64':
            resList.append('宁夏')
        if item == 65 or item == '65':
            resList.append('新疆')

        if item == 71 or item == '71':
            resList.append('台湾省')

        if item == 81 or item == '81':
            resList.append('香港')
        if item == 82 or item == '82':
            resList.append('澳门')

    return resList


pd.set_option('display.max_columns', None)
# pd.set_option('display.max_rows', None)

dataPath = 'dataFiles/Starbucks-Locations.csv'
star_df = pd.read_csv(dataPath)
print(star_df.head(1))  # 打印第一行查看字段信息
print(star_df.info())


# 按国家分类(pandas分组方法）
groupsByCountry = star_df.groupby(by='Country')
# print(groupsByCountry)
# groupsByCountry是一个可遍历的对象


for countryName, data in groupsByCountry:
    # countryName第一个变量为分类的国家名
    # data为每个国家的数据，类型为DataFrame
    print(countryName)
    # print('-' * 100)
    # # print(data)
    # print('#' * 100)

US_df = star_df[star_df['Country'] == 'US']
# print(US_df.head(1))

# 调用聚合方法
countryCount = groupsByCountry['Brand'].count()  # 计数需要使用没有缺失的字段
print('美国星巴克数量：', countryCount['US'])  # 美国星巴克数量
print('中国星巴克数量：', countryCount['CN'])  # 中国星巴克数量


# 统计中国不同省份的星巴克数量
CN_df = star_df[star_df['Country'] == 'CN']  # 中国星巴克信息
# print(CN_df.info())

groupsByProvinceInChina = CN_df.groupby(by='State/Province')
# for province,data in groupsByProvinceInChina:
#     print(province)

provinceCount = \
    groupsByProvinceInChina[['Brand']].count().sort_values(by='Brand', ascending=True)
# print(type(provinceCount))
# print(provinceCount)
# print(list(provinceCount.index))
# print(list(provinceCount['Brand']))

provinceIndexList = list(provinceCount.index)
provinceCountList = list(provinceCount['Brand'])

#########################################################

matFont = {
    
    
    'family': 'Microsoft Yahei'
}
plt.rc('font', **matFont)
plt.figure(figsize=(16, 8), dpi=200)
plt.bar(provinceIndexList, provinceCountList, color='orange')

plt.title('中国各省份星巴克数量统计')
plt.xlabel('省份代码')
plt.ylabel('门店数量')
plt.show()