01 起
我们拿到一家公司的销售记录，共有1500条销售数据，现在我们对这张销售记录进行可视化分析吧，这是数据分析师的必经之路哦。
内容提要：
- 条形图：各公司交易额
- 多图：各公司交易额、订单数
- 饼图：各公司交易额占比TOP10总额
- 散点图：各公司订单数-交易额分布
- 直方图：单笔订单交易额分布情况
那么我们开始吧！
02 数据处理
首先使用pd.read_excel读取数据，定义该数据表名为df，数据结构如下，这组数据记录了某公司2014年的交易情况：
- account number: 账号
- name: 公司名字，与账号有一一对应关系
- sku: 商品货号
- quantity: 购货量
- unit price: 单位价格
- ext price: 总价 = 购货量*单位价格
- date: 日期
通过df.info()查看各字段总数，可以看到共有1500条数据。
数据清洗
#查看数据时发现，购货量有负数，将这些记录筛选出来，根据实际情况决定是否归为异常数据
df[df.quantity<0]
#由于不了解实际情况，目前暂时认为购货量负数为正常值（可从公司名name统计，看看是否是某几个公司出现的情况，是否是退货）
统计有交易记录的公司数量
len(df.name.unique()) #与之交易的公司数量，20个
筛选出交易额最高的10家公司
#将df按公司名name分组，对各组交易额ext price求和得到各公司总交易额，计数得到各公司总订单数
#为了不将name作为索引，使用reset_index重置索引
#使用sort_values()对指定列排序
top10=df.groupby('name')['ext price'].agg(['sum','count']).reset_index().sort_values(by='sum',ascending=False)[:10]
top10.rename(columns={'name':'Company','sum':'Sales','count':'Purchases'},inplace=True)
top10
得到如下数据表，下面我们将基于此表进行数据的可视化，展现交易额top10的公司情况。
03 可视化分析
条形图
查看top10公司交易额情况
#使用ggplot风格的作图：
plt.style.use('ggplot')
#barh绘制水平条形图；bar绘制垂直直方图
"""注意，条形图条数np.arange(10),要与top10.Sales数据数量一致，否则会报错-形状不匹(shape mismatch)"""
plt.barh(np.arange(10),top10.Sales,height=0.6)
#添加标题
plt.title('Top 10 Sales Company')
plt.xlabel('Total Revenue')
plt.ylabel('Company')
#修改纵坐标、横坐标刻度
plt.yticks(np.arange(10),top10.Company)
plt.xticks([0,20000,40000,60000,80000,100000,120000,140000],
['$0k','$20k','$40k','$60k','$80k','$100k','$120k','$140k'])
plt.show()
输出如下
浅析
- 可以看到，交易额最高的公司是Kulas Inc和White-Trantow公司，达到了近14万美元。
- 接下来可以从这两家公司订购的商品种类、以及各种类商品采购量入手，分析高交易额的原因，公司偏好-高交易额是因为买的种类多还是某类商品订购量大，同理可分析其他公司
- 从订单数计算单笔订单交易额，分析客户订购偏好-大批量采购/少量订购
绘制多图
将多个图展现在同一画布中，便于进一步分析，以下仅做示例。
plt.style.use('ggplot')
#设置画布大小
fig=plt.figure(figsize=(10,10))
#加上图像大标题
fig.suptitle('Sales Analysis',fontsize=16,fontweight='bold')
#fig.add_subplot(x,y,z),表示将画布分为x行,y列,当前图像放在从左到右、从上到下的第z个位置
#添加第一个子图
ax1=fig.add_subplot(2,2,1)
plt.barh(np.arange(10),top10.Sales,height=0.5,tick_label=top10.Company)
plt.title('Revenue')
#加入平均销售额线 plt.axvline()表示添加垂直线axis vertical line
revenue_avg=top10.Sales.mean()
plt.axvline(x=revenue_avg,color='b',linestyle='--',linewidth=3)
#添加第二个子图
ax2=fig.add_subplot(222)
plt.barh(np.arange(10),top10.Purchases,height=0.5)
plt.title('Purchases')
#设置不显示y轴刻度
plt.yticks(visible=False)
#加入平均订单数线
Purchases_avg=top10.Purchases.mean()
plt.axvline(x=Purchases_avg,color='b',linestyle='--',linewidth=3)
输出如下
饼图
top10公司销售额占比
#plt.pie()绘制饼图
labels代表每个扇区的标签，
colors=['b','g'],设置扇区颜色
startangle代表起始位置角度
explode=(0.1,0,0,0,0,0,0,0,0,0)代表将第一个扇区拉出来0.1，作为突出显示
autopct='%1.1f%%',代表给出每个扇区的占比 ，精确到小数点后1位
plt.pie(top10.Sales,labels=top10.Company,
colors=['r','y','b','g','c','r','y','b','g','c'],
startangle=90,
explode=(0.1,0,0,0,0,0,0,0,0,0),
autopct='%1.1f%%')
plt.axis('equal')
输出如下
散点图
top10公司中，各公司销售额与订单数的关系，展示各公司交易习惯-偏好大订单还是小额订单。
plt.style.use('ggplot')
#scatter绘制散点图，s设置点大小
plt.scatter(x=top10.Purchases,y=top10.Sales,s=100)
plt.show()
输出如下
直方图
对于原始数据df中，每笔订单的交易额(ext price)，统计单笔订单交易额分布情况。
#hist绘制直方图，bins设置区间个数
plt.hist(df['ext price'],bins=20,rwidth=0.8)
输出如下
可以看到，单笔订单交易额在200~600美元的订单最多，可以从一方面反映客户的下单偏好-小额订单。
当然，更有价值的分析应该下沉到各公司的单笔订单金额去分析，这里暂不做展开。
04 总结
以上可视化主要利用matplotlib，主要涉及到条形图barh bar，直方图hist，饼图pie，散点图scatter，多图fig.add_subplot。
作图代码千千万，要收集整理，用以致学。
希望对你有帮助~