一、设计要求
项目背景
本项目旨在通过数据分析和可视化的方法，对海底捞门店的营业数据进行深入的探索和理解。数据来源于Excel文件《海底捞门店数据.xlsx》。项目包括数据预处理、缺失值处理、异常值处理、重复值处理、数据转换、分组统计分析和数据可视化。
主要功能
- 数据读取与预览
- 从Excel文件中读取数据，展示数据的前几行，提供数据的基本信息，包括行列数、数据类型和非空数统计。
- 缺失值处理
- 统计数据中的缺失值总数。
- 提供两种处理缺失值的方法：删除含有缺失值的记录和用众数填充缺失值。
3.异常值处理
- 使用箱型图可视化数据，识别异常值。
- 提供两种去除异常值的方法：四分位数间距法（IQR）和3σ原则。
4.重复值处理
- 检查并删除数据中的重复值。
5.数据转换
- 将“省份”列转换为数值型数据，便于后续分析。
6.分组统计分析
- 按省份分组统计各省店铺数量。
- 按营业时长分组统计各时长区间内的店铺数量。
7.数据可视化
- 可视化各省店铺数量分布。
- 可视化营业时长分布。
- 可视化开始营业时间分布。
- 可视化结束营业时间分布。
二、设计思路
1. 导入库和设置
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
- 导入必要的库：
pandas用于数据处理，matplotlib和seaborn用于数据可视化。 - 设置绘图时中文字体的显示，确保中文标签能正常显示。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
2. 读取数据
file_path = '海底捞门店数据.xlsx' df = pd.read_excel(file_path, engine='openpyxl')
- 从Excel文件中读取数据到一个DataFrame中。
3. 数据预览和基本信息
print("数据预览：") # 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈 print("缺失值总数:") print(df.isnull().sum())
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
- 打印数据的前几行，显示数据的基本信息（行列数、数据类型和非空数）。
- 统计缺失值的总数。
4. 处理缺失值
# 删除含有缺失值的记录 # 代码略.... print(df_dropna.isnull().sum()) # 用众数填充缺失值 df_fillna = df.fillna(df.mode().iloc[0]) # 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈 print(df_fillna.isnull().sum())
- 处理缺失值的方法包括：
- 删除含有缺失值的记录。
- 用众数填充缺失值。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
5. 处理异常值
# 箱型图识别异常值 plt.figure(figsize=(10, 6)) # 代码略.... plt.show() # 四分位数间距法去除异常值 # 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈 IQR = Q3 - Q1 df_no_outliers = df[~((df['营业时长'] < (Q1 - 1.5 * IQR)) | (df['营业时长'] > (Q3 + 1.5 * IQR)))] print("去除异常值后的数据行列数: ", df_no_outliers.shape) # 3σ原则去除异常值 mean = df['营业时长'].mean() # 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈 print("3σ原则去除异常值后的数据行列数: ", df_no_outliers_sigma.shape)
- 使用箱型图可视化数据，识别异常值。
- 使用四分位数间距法（IQR）和3σ原则去除异常值。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
6. 处理重复值
df_no_duplicates = df.drop_duplicates() print("删除重复值后的数据行列数: ", df_no_duplicates.shape)
- 删除重复值。
7. 数据转换
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈 print("转换后的数据预览：") print(df.head())
- 将“省份”列转换为数值型数据，便于后续分析。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
8. 数据分组和统计分析
# 按省份分组统计各省店铺数量 # 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈 print("按省份分组统计：") print(province_group)
# 按营业时间长度分组统计 time_group = df.groupby('营业时长')['店名'].count().reset_index() # 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈 print("按营业时间长度分组统计：") print(time_group)
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
- 按省份和营业时长分组，统计各组的店铺数量。
9. 数据可视化
# 店铺数量按省份分布 plt.figure(figsize=(14, 7)) # 代码略.... # 代码略.... plt.show()
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
# 营业时长分布 plt.figure(figsize=(10, 6)) # 代码略.... # 代码略.... plt.show()
# 开始营业时间分布 plt.figure(figsize=(10, 6)) # 代码略.... # 代码略.... plt.show()
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
# 结束营业时间分布 # 代码略.... # 代码略.... plt.show()
- 可视化数据，展示各省店铺数量分布、营业时长分布、开始营业时间分布和结束营业时间分布。
总结
这段代码通过读取、预览、处理和分析数据，最后进行可视化展示。其设计思路清晰、结构完整，覆盖了数据处理和分析的多个方面，包括缺失值处理、异常值处理、重复值处理、数据转换、数据分组统计和数据可视化。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
