python大数据：实战热水器用户行为识别（一、数据分析）

一、导入相关包

#coding:utf-8
#导入warnings包，利用过滤器来实现忽略警告语句。
import warnings
warnings.filterwarnings('ignore')

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import numpy as np
%matplotlib inline

二、总体情况一览

inputfile = '../data/original_data.xls'  # 输入的数据文件
data = pd.read_excel(inputfile)  # 读取数据
print(data.info())
print(data.describe())
print(data.count())
data.head()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 18840 entries, 0 to 18839
Data columns (total 12 columns):
热水器编号     18840 non-null object
发生时间      18840 non-null int64
开关机状态     18840 non-null object
加热中       18840 non-null object
保温中       18840 non-null object
有无水流      18840 non-null object
实际温度      18840 non-null object
热水量       18840 non-null object
水流量       18840 non-null int64
节能模式      18840 non-null object
加热剩余时间    18840 non-null object
当前设置温度    18840 non-null object
dtypes: int64(2), object(10)
memory usage: 1.7+ MB
None
               发生时间           水流量
count  1.884000e+04  18840.000000
mean   2.014106e+13     12.870594
std    4.021530e+07     17.122814
min    2.014102e+13      0.000000
25%    2.014102e+13      0.000000
50%    2.014103e+13      0.000000
75%    2.014111e+13     26.000000
max    2.014111e+13     77.000000
热水器编号     18840
发生时间      18840
开关机状态     18840
加热中       18840
保温中       18840
有无水流      18840
实际温度      18840
热水量       18840
水流量       18840
节能模式      18840
加热剩余时间    18840
当前设置温度    18840
dtype: int64

	热水器编号	发生时间	开关机状态	加热中	保温中	有无水流	实际温度	热水量	水流量	节能模式	加热剩余时间	当前设置温度
0	R_00001	20141019063917	关	关	关	无	30°C	0%	0	关	0分钟	50°C
1	R_00001	20141019070154	关	关	关	无	30°C	0%	0	关	0分钟	50°C
2	R_00001	20141019070156	关	关	关	无	30°C	0%	8	关	0分钟	50°C
3	R_00001	20141019071230	关	关	关	无	30°C	0%	0	关	0分钟	50°C
4	R_00001	20141019071236	关	关	关	无	29°C	0%	0	关	0分钟	50°C

三、数据分析

水流状态

# 绘制条形图
fig = plt.figure(figsize=(6, 5))  # 设置画布大小
sns.set(style="darkgrid")
sns.set_context("notebook", font_scale=1.2, rc={"lines.linewidth": 2.5})
plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示
plt.rcParams['axes.unicode_minus'] = False
sns.catplot(kind="count",
            data=data,
            x="有无水流",
            aspect=1,
            height=5,
            palette='tab20')
plt.xlabel('水流状态')
plt.ylabel('记录数')
plt.title('不同水流状态记录数')

水流量分布

# 绘制水流量分布箱型图
fig = plt.figure(figsize=(5, 8))
sns.catplot(
    kind="box",
    data=data,
    y='水流量',  # 设置x轴标题
    aspect=1,
    height=5,
    palette='tab20')
plt.title('水流量分布箱线图')
#显示y坐标轴的底线
#plt.grid(axis='y')

由分箱图可以看出，用户一半以上的时间都没在用水，刚好和条形图对应