数据集介绍
数据为四川省的各旅游景点信息，特征有景点名称、星级、城市、票价、销量、热度6个维度，部分数据如下：
加载数据
首先要导入本次项目用到的第三方包和数据
import pandas as pd from pyecharts.charts import Pie,Bar,Map,Funnel from pyecharts import options as opts from pyecharts.globals import ThemeType import seaborn as sns import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签 plt.rcParams['axes.unicode_minus']=False import warnings warnings.filterwarnings('ignore') data = pd.read_csv('sichuan.csv') data.head()
数据清洗
缺失值处理
# 查看缺失值 data.isnull().sum()
我们发现数据没有缺失值，不需要进行缺失值处理
如有缺失值，调用下面代码进行删除处理即可
# 删除缺失值 data.dropna(inplace=True)
重复值处理
查看数据是否有重复值
# 查看数据是否有重复值 结果为True则说明存在重复值,反正则没有 any(data.duplicated())
结果为True说明存在重复值，需要进行处理
# 删除重复值 data.drop_duplicates(inplace=True)
异常值处理
看看票价是否存在异常值
# 查看票价是否存在异常值 plt.boxplot(data['票价']) plt.show()
我们发现票价存在明显的异常值，这里我们需要剔除出票价大于300的
# 对票价中的异常值进行处理，筛选出票价大于300的异常数据 data = data[data['票价']<300] plt.boxplot(data['票价']) plt.show()
数据预处理
# 根据各景区的票价和销量得出新的总销售额一列数据 data['总销售额'] = data['票价'] * data['销量'] data.head()
数据可视化
# 四川各星级景区的数量 df1 = data['星级'].value_counts() plt.figure(figsize=(10,6)) plt.bar(x=df1.index,height=df1.values) plt.xlabel('星级',fontsize=12) plt.ylabel('数量',fontsize=12) plt.title('四川各星级景区的数量',fontsize=12) plt.show()
# 四川各星级景点数占比 result_list = [(i,j) for i,j in zip(df1.index.to_list(),df1.values.tolist())] a = Pie(init_opts=opts.InitOpts(theme = ThemeType.DARK)) a.add(series_name='星级', data_pair=result_list, radius='70%', ) a.set_global_opts(title_opts=opts.TitleOpts(title="四川各星级景点数占比", pos_top=50)) a.set_series_opts(tooltip_opts=opts.TooltipOpts(trigger='item',formatter='{a} <br/>{b}:{c} ({d}%)')) a.render(path='饼图.html') a.render_notebook()
# 分析票价、热度和销量之间的关系 plt.figure(figsize=(10,6)) plt.subplot(1,2,1) plt.scatter(x=data['票价'],y=data['销量']) plt.title('票价与销量的关系',fontsize=14) plt.subplot(1,2,2) plt.scatter(x=data['热度'],y=data['销量']) plt.title('热度与销量的关系',fontsize=14) plt.show()
# 个地区旅游景点的热力地图 df2 = data['城市'].value_counts() city_data = [[x+'市',y] if x[-3:] != '自治州' else [x,y] for x,y in zip(df2.index.to_list(),df2.values.tolist())] map = Map() map.add('地区',city_data, maptype='四川', is_map_symbol_show=False,) map.set_global_opts( title_opts=opts.TitleOpts('四川省'), visualmap_opts=opts.VisualMapOpts() ) map.render(path='热力地图.html') map.render_notebook()
# 漏斗图 funnel = Funnel() funnel.add('',[(i,j) for i,j in zip(df2.index.to_list(),df2.values.tolist())], label_opts=opts.LabelOpts(position='inside')) funnel.set_global_opts(title_opts=opts.TitleOpts(title='漏斗图',pos_top=50)) funnel.render(path='漏斗图.html') funnel.render_notebook()
# 分析各个特征之间的相关系数 fig = plt.figure(figsize=(10,10)) sns.heatmap(data.corr(),vmax=1,annot=True,linewidths=0.5,cbar=False,cmap='YlGnBu',annot_kws={'fontsize':25}) plt.xticks(fontsize=20) plt.yticks(fontsize=20) plt.title('各个特征之间的相关系数',fontsize=20) plt.show()
# 景区名称词云图 from pyecharts.charts import WordCloud import collections result_list = [] for i in data['景点名称'].values: word_list = str(i).split('/') for j in word_list: result_list.append(j) result_list word_counts = collections.Counter(result_list) word_counts_top = word_counts.most_common(100) wc = WordCloud() wc.add('',word_counts_top) wc.render(path='词云图.html') wc.render_notebook()
# 总销售额最高的前五名景区 df3 = data.sort_values('总销售额',ascending=False)[['景点名称','总销售额']].head() plt.figure(figsize=(10,8)) plt.barh(y=df3['景点名称'].values,width=df3['总销售额']) plt.title('总销售额最高的前五名景区',fontsize=14) plt.show()
# 热度最高的前十名景区 df3 = data.sort_values(by='热度',ascending=False)[['景点名称','热度']].head(10) plt.figure(figsize=(20,10)) sns.barplot(x='景点名称',y='热度',data=df3) plt.xticks(fontsize=14) plt.xlabel('景点名称',fontsize=14) plt.ylabel('热度',fontsize=14) plt.title('热度最高的前十名景区',fontsize=14) plt.show()
# 销量前十的景点 df4 = data.sort_values(by='销量',ascending=False)[['景点名称','销量']].head(10) a1 = Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK)) a1.add_xaxis(df4['景点名称'].values.tolist()) a1.add_yaxis('销量',df4['销量'].values.tolist()) a1.reversal_axis() a1.set_series_opts(label_opts=opts.LabelOpts(position="right")) a1.set_global_opts(title_opts=opts.TitleOpts(title="销量前十的景点")) a1.render(path='销量前十的景点.html') a1.render_notebook()
data.groupby('城市').mean()[['票价','销量']].plot(kind='bar',figsize=(15,8),title='各个地区的平均票价和平均销量',fontsize=14)
以上就是四川省旅游景点数据分析，希望对学习数据分析的你有所帮助
