本次数据分析案例共有8道题
开发工具：jupyter bootbook
话不多说，首先导入本次案例需要用到的包
# 导包 import pandas as pd import matplotlib.pyplot as plt import numpy as np import warnings warnings.filterwarnings('ignore') plt.rcParams['font.sans-serif'] = ['SimHei'] #解决中文显示 plt.rcParams['axes.unicode_minus'] = False #解决符号无法显示
1. 读取“餐饮订单”表格数据命名为order，并查看第5行到第10行数据。
order = pd.read_excel('餐饮订单.xlsx') order.head(11).tail(6)
巧妙的利用head()和tail()来实现读取任意区间的数据
2. 读取”就餐人数”表格数据命名为customer，并按就餐人数进行升序排序，并查看第5行到第10行数据。
customer = pd.read_excel('就餐人数.xlsx') customer.sort_values(by='就餐人数') customer.head(11).tail(6)
3.为order表增加一列“时间段”，将16点及之前的订单标记为午餐，16点后的订单标记为晚餐。并根据数量和单价计算出销售额。并查看前5行数据。
order['下单时间'] = order['下单时间'].astype(dtype='str') order['时间段'] = order['下单时间'].apply(lambda x:'晚餐' if int(x.split()[-1][0:2]) > 16 else '午餐') order['销售额'] = order['数量'] * order['单价'] order.head()
这里就需要利用字符串函数将下单时间提取出小时数，再跟16比较得出时间段
4.将order与customer表按照订单id合并，获得一张新表customer_order，表中包含“订单id”、“就餐人数”、“销售额”、“时间段”4个字段，查看前5行数据。(注意order表中，一个订单会有多条记录，销售额不能直接合并)
order1 = order[['订单id','时间段']] order1.drop_duplicates(inplace=True) data1 = order.groupby('订单id').sum()['销售额'] new_order = pd.merge(data1,order1,on='订单id') customer_order = pd.merge(customer,new_order,on='订单id') customer_order.head()
这个题就需要动脑筋思考一下了，巧妙利用删除重复值将order1中的数据唯一化再进行合并
5.占菜品销售额前80%的菜品是哪些？(除开酒水饮料和白饭，酒水饮料从菜品大类中找，白饭从菜品名中找)
num = len(order.groupby('菜品名').sum()['销售额'].sort_values(ascending=False)) all_list = order.groupby('菜品名').sum()['销售额'].sort_values(ascending=False).head(int(np.floor(num*0.8))).index.to_list() table = order.pivot_table(index=['菜品大类','菜品名']) except_list = [item[1] for item in table.index.to_list() if item[0] == '酒类' or item[0] == '饮料'] result = [x for x in all_list if x not in except_list and x[0:2] != '白饭'] result
这道题难度就又增大了一截，需要用到分组函数，交叉表，当然这里我为了简化代码，用到了三元列表推导式
6.使用order表画一个折线图，展示出1-15日每一天的订单数量，订单数量按降序排列，并在折线图上标记出对应的订单数。（注意order表中订单id有重复值）
order['日期'] = order['下单时间'].apply(lambda x:int(x.split()[0].split('-')[-1])) data2 = order[['订单id','日期']] data2.drop_duplicates(inplace=True) data3 = data2.groupby('日期').count()['订单id'] data4 = data3[data3.index < 16] plt.figure(figsize=(15,8)) plt.plot(data4.index,data4.values,color='blue') for a,b in zip(data4.index,data4.values): plt.text(a,b,'%d'%b,ha='center',va='bottom',fontsize=15) plt.xticks() plt.yticks(fontsize=15) plt.xlabel('日期',fontsize=14) plt.ylabel('订单数',fontsize=14) plt.title('每日订单数',fontsize=14) plt.show()
这个题就中规中矩，画个折线图并加上数值，当然前面你还得将1-15的数据提取出来
7. 通过order表计算出各个菜品大类的销量和销售额，命名为type_data。注意：白饭不属于任何菜品大类，需要在菜品中先剔除白饭再做计算.
order1 = order[order['菜品名'] != '白饭/大碗'] order2 = order1[order1['菜品名'] != '白饭/小碗'] type_data = order2.groupby('菜品大类').sum()[['数量','销售额']] type_data
8.通过type_data采用子图方式画出食物和酒水的销量占比和销售额占比情况。饮料和酒类属于酒水，其他属于食物。
drink_data = type_data[(type_data.index == '饮料') | (type_data.index == '酒类')] drink_num = drink_data['数量'].sum() drink_sole = drink_data['销售额'].sum() food_data = type_data[(type_data.index != '饮料') & (type_data.index != '酒类')] food_num = food_data['数量'].sum() food_sole = food_data['销售额'].sum() food_num_perc = food_num/(food_num+drink_num) drink_num_perc = drink_num/(food_num+drink_num) food_sole_perc = food_sole/(food_sole+drink_sole) drink_sole_perc = drink_sole/(food_sole+drink_sole) plt.figure(figsize=(15,8)) plt.subplot(1,2,1) paches,texts,autotexts = plt.pie([food_num_perc,drink_num_perc],autopct='%0.1f%%',labels=['食物占比','酒水饮料占比']) plt.title('数售占比',fontsize=24) #设置字体大小和颜色 for text in autotexts: text.set_color('white') text.set_fontsize(24) for t in texts: t.set_fontsize(24) plt.subplot(1,2,2) paches,texts,autotexts = plt.pie([food_sole_perc,drink_sole_perc],autopct='%0.2f%%',labels=['食物占比','酒水饮料占比']) plt.title('销售额占比',fontsize=24) #设置字体大小和颜色 for text in autotexts: text.set_color('white') text.set_fontsize(24) for t in texts: t.set_fontsize(24) plt.show()
