Visualisierung |. Python analysiert Mid-Autumn Mooncakes, diese Geschmacksrichtungen sind die Yyds!

Mittherbstfest, auch bekannt als Mondfest, Mondscheinfest, Mondabend , Herbstfest, Mittherbstfest Herbst Festival, Moon Worship Festival, Moon Niang Festival, Moon Festival, Reunion Festival usw. sind traditionelle chinesische Volksfeste. Seit der Antike gibt es Volksbräuche wie die Anbetung des Mondes, die Wertschätzung des Mondes, das Essen von Mondkuchen, das Spielen mit Laternen, die Wertschätzung von Osmanthus und das Trinken von Osmanthuswein, die bis heute überliefert sind und lange Bestand haben. In dieser Ausgabe analysieren wir die Verkäufe von Moubao Mid-Autumn Mooncakes, um zu sehen,

welche Geschmacksrichtungen von Mooncakes sich gut verkaufen und welche Orte sich gut verkaufen, ich hoffe, dabei zu helfen Freunde helfen.

Beteiligte Bibliotheken:

• Pandas

  – Datenverarbeitung.

• Pyecharts

  – Datenvisualisierung

• jieba – Wortsegmentierung
• collections – Datenstatistik

Visualisierungsteil:

• Bar – Balkendiagramm
• Pie – Kreisdiagramm
• Karte— Karte
• Stylecloud — Wortwolke

1. Modul importieren

2. Pandas-Datenverarbeitung

2.1 Daten lesen

import re
import jieba
import stylecloud
import numpy as np
import pandas as pd
from collections import Counter
from pyecharts.charts import Bar
from pyecharts.charts import Map 
from pyecharts.charts import Pie
from pyecharts.charts import Grid
from pyecharts.charts import Page
from pyecharts.components import Image
from pyecharts.charts import WordCloud
from pyecharts import options as opts 
from pyecharts.globals import SymbolType
from pyecharts.commons.utils import JsCode

Ergebnis:

2.2 去除重复值 

print(df.shape)
df.drop_duplicates(inplace=True)
print(df.shape)

(4520, 5)
(1885, 5)

一共有4520条数据，去重后还有1885条数据（某宝一个店铺会在不同页面推荐，导致重复数据比较多）。

2.3 空值处理 

处理购买人数为空的记录：df['付款情况'] = df['付款情况'].replace(np.nan,'0人付款')

2.4 处理付款情况字段 

df[df['付款情况'].str.contains("万")]

付款人数超过10000后会直接用"万"替代，这里我们需要将其恢复：

# 提取数值
df['num'] = [re.findall(r'(\d+\.{0,1}\d*)', i)[0] for i in df['付款情况']] 
df['num'] = df['num'].astype('float')

# 提取单位（万）
df['unit'] = [''.join(re.findall(r'(万)', i)) for i in df['付款情况']] 
df['unit'] = df['unit'].apply(lambda x:10000 if x=='万' else 1)

# 计算销量
df['销量'] = df['num'] * df['unit']
df = df[df['地址'].notna()]
df['省份'] = df['地址'].str.split(' ').apply(lambda x:x[0])

# 删除多余的列
df.drop(['付款情况', 'num', 'unit'], axis=1, inplace=True)

# 重置索引
df = df.reset_index(drop=True)

结果：

3. Pyecharts数据可视化

3.1 月饼商品销量Top10 

代码：

shop_top10 = df.groupby('商品名称')['销量'].sum().sort_values(ascending=False).head(10)
bar0 = (
    Bar()
        .add_xaxis(shop_top10.index.tolist()[::-1])
        .add_yaxis('sales_num', shop_top10.values.tolist()[::-1])
        .reversal_axis()
        .set_global_opts(title_opts=opts.TitleOpts(title='月饼商品销量Top10'),
                         xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30))) 
        .set_series_opts(label_opts=opts.LabelOpts(position='right'))
)

效果：

商品名称太长显示不全，我们调整一下边距：

bar1 = (
    Bar()
        .add_xaxis(shop_top10.index.tolist()[::-1])
        .add_yaxis('sales_num', shop_top10.values.tolist()[::-1],itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_js)))
        .reversal_axis()
        .set_global_opts(title_opts=opts.TitleOpts(title='月饼商品销量Top10'),
             xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)),
             ) 
        .set_series_opts(label_opts=opts.LabelOpts(position='right'))
)
# 将图形整体右移
grid = (
    Grid()
        .add(bar1, grid_opts=opts.GridOpts(pos_left='45%', pos_right='10%')) 
)

这样是不是好多了。

还可以来些其他（比如：形状）设置：

3.2 月饼销量排名TOP10店铺 

代码：

shop_top10 = df.groupby('店铺名称')['销量'].sum().sort_values(ascending=False).head(10)
bar3 = (
    Bar(init_opts=opts.InitOpts(
        width='800px', height='600px',))
    .add_xaxis(shop_top10.index.tolist())
    .add_yaxis('', shop_top10.values.tolist(),
               category_gap='30%',
              )

    .set_global_opts(
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)),
        title_opts=opts.TitleOpts(
            title='月饼销量排名TOP10店铺',
            pos_left='center',
            pos_top='4%',
            title_textstyle_opts=opts.TextStyleOpts(
                color='#ed1941', font_size=16)
        ),
        visualmap_opts=opts.VisualMapOpts(
            is_show=False,
            max_=600000,
            range_color=["#CCD3D9", "#E6B6C2", "#D4587A","#FF69B4", "#DC364C"]
        ),
     )
)
bar3.render_notebook()

效果：

稻香村的月饼销量遥遥领先。

3.3 全国各地区月饼销量

province_num = df.groupby('省份')['销量'].sum().sort_values(ascending=False) 
map_chart = Map(init_opts=opts.InitOpts(theme='light',
                                        width='800px',
                                        height='600px'))
map_chart.add('',
              [list(z) for z in zip(province_num.index.tolist(), province_num.values.tolist())],
              maptype='china',
              is_map_symbol_show=False,
              itemstyle_opts={
                  'normal': {
                      'shadowColor': 'rgba(0, 0, 0, .5)', # 阴影颜色
                      'shadowBlur': 5, # 阴影大小
                      'shadowOffsetY': 0, # Y轴方向阴影偏移
                      'shadowOffsetX': 0, # x轴方向阴影偏移
                      'borderColor': '#fff'
                  }
              }
              )
map_chart.set_global_opts(
    visualmap_opts=opts.VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        min_ = 0,
        max_ = 1,
        split_number = 5,
        series_index=0,
        pos_top='70%',
        pos_left='10%',
        range_text=['销量(份)：', ''],
        pieces=[
            {'max':2000000, 'min':200000, 'label':'> 200000', 'color': '#990000'},
            {'max':200000, 'min':100000, 'label':'100000-200000', 'color': '#CD5C5C'},
            {'max':100000, 'min':50000, 'label':'50000-100000', 'color': '#F08080'},
            {'max':50000, 'min':10000, 'label':'10000-50000', 'color': '#FFCC99'},
            {'max':10000, 'min':0, 'label':'0-10000', 'color': '#FFE4E1'},
           ],
    ),
    legend_opts=opts.LegendOpts(is_show=False), 
    tooltip_opts=opts.TooltipOpts(
        is_show=True,
        trigger='item',
        formatter='{b}:{c}'
    ),
    title_opts=dict(
        text='全国各地区月饼销量',
        left='center',
        top='5%',
        textStyle=dict(
            color='#DC143C'))
)
map_chart.render_notebook()

结果：

Auf der geografischen Vertriebskarte sind die Geschäfte hauptsächlich in Peking, Shandong, Zhejiang, Guangdong, Yunnan und anderen südöstlichen Regionen verteilt.

3.4 Anteil der Mooncake-Verkäufe in verschiedenen Preisklassen

可以看到，50元以下的月饼销量占比达到了52%，超过了半数的月饼售价在50元以内，100元Die Verkaufsquote der folgenden hat 85 % erreicht. Obwohl es einige gibt, die mehr als 1.000 Yuan kosten, ist der Gesamtpreis immer noch relativ erschwinglich.

3.5 Mooncake-Geschmacksverteilung

Liuxin, Fünf Kerne, Eigelb-Lotuspaste, Bohnenpaste jjd! ! ! 3,6-Wort-Wolkendiagramm Kann online ausgeführt werden (einschließlich des gesamten Codes)

:

https://www.heywhale.com/mw/project/61404e0ff0de6200174ada20

Das obige ist der detaillierte Inhalt vonVisualisierung |. Python analysiert Mid-Autumn Mooncakes, diese Geschmacksrichtungen sind die Yyds!. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!