【Python有趣打卡】利用pandas完成数据分析项目（一）

【Python有趣打卡】数据分析pandas完成数据分析项目

今天依然是跟着罗罗攀学习数据分析，原创：罗罗攀（公众号：luoluopan1）学习Python有趣|数据分析三板斧。今天是在DD大数据团队实习的第一天，正式开始数据分析之旅，很开心，感觉离自己的梦想又进了一步~

数据源

• 数据来源
  https://www.kaggle.com/starbucks/store-locations （数据下载需要注册）
• 定义问题
  哪些国家星巴克店铺较多；哪些城市星巴克店铺较多；中国星巴克店铺分布情况
• 读取数据

import numpy as np
import pandas as pd
data = pd.read_csv(r'C:\Users\xuxiaojielucky_i\Desktop\directory.csv')
data.head()

还是使用jupyter notebook

查看数据

• 检查数据

data.describe()

describe函数主要是用来了解数值型数据的分布和概况

data.info()

info函数主要是用来查看数据的缺失值情况，如针对我们的问题，我们关注的数据主要是地点（国家和城市），这里城市city部分数据缺失。

数据处理

对原始数据进行预处理，包括对数据缺失值处理、异常值处理、重复值处理、多表处理、数据转换处理等，要怎么处理数据要具体问题具体分析。

• 选择数据

首先看下星巴克旗下有哪些品牌吧

data['Brand'].unique()

不研究这么多品牌，我们只看品牌——‘Starbucks’

data = data[data['Brand'] == 'Starbucks']
data.head()

• 找出缺失值

data.isnull().sum()

针对我们定义的问题，主要是对City字段进行分析，观察City字段缺失值，都是国家EG的城市有缺失，百度了一下EG，是埃及，好奇的可以深入分析下为啥埃及的城市都缺失了，哈哈哈哈哈

data[data['City'].isnull()]

• 处理缺失值
  缺失值处理主要有两种方法：1.删除 2.填充
  我们这里采用填充的方式，将State/Province字段填充在City处

data['City'] = data['City'].fillna(data['State/Province'])
data[data['Country']=='EG']

罗老师发现星巴克数据居然把台 20000 湾当做了国家，老师表示不能忍，怒改数据，直接重新赋值，换成了中国（中国一点都不能少）。（哈哈哈哈哈罗老师很可爱了）

data['Country'][data['Country']=='TW']= 'CN'

数据分析

• 查看各个国家星巴克店的数量
  （1）统计每个国家星巴克店的数量，并返回数量前十的国家

data['Country'].value_counts()[0:10]

为了让数据更加直观，我们绘制一些图形
由于matplotlib没有中文库，为了放置一些错误出现，可以先进行一些配置

import matplotlib.pyplot as plt
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

%matplotlib inline
country_count.plot(kind = 'bar')

再从城市的维度分析下，哪个城市的星巴克最多

import matplotlib.pyplot as plt
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

%matplotlib inline
city_count.plot(kind = 'barh')

排名最多的居然是上海，不是美国的城市，不分析不知道，一分析吓一跳，中国的市场还是很大的。其实可以继续深挖，这些星巴克店较多的城市有什么共同点，是不是都是经济比较发达的。
下面只分析中国星巴克的分布。

China_data=data[data['Country'] == 'CN']
China_citycount = China_data['City'].value_counts()[0:10]
China_citycount.plot(kind = 'bar')

• 导出数据

导出上一篇文章数据处理的数据

country_count.to_excel(r'C:\Users\xuxiaojielucky_i\Desktop\display.xlsx',
sheet_name='国家分布前十')

把多个DataFrame（或者Series）数据导出到同一个excel表格

writer = pd.ExcelWriter(r'C:\Users\xuxiaojielucky_i\Desktop\display.xlsx')
country_count.to_excel(writer,sheet_name='国家分布前十')
city_count.to_excel(writer,sheet_name='城市分布前十')
writer.save()### 这个才可以存储到本地