实验目的
1、 熟悉 numpy 库常用方法的使用
2、 熟悉 pandas 库的基本使用
3、 能够利用 matplotlib 库进行简单的图形绘制
实验内容
题目
根据某商品近 5 年的销售流水，做数据分析和可视化。模拟产生数据代码如下：
（1）编写程序生成某商品(2014-01-01 到 2018-12-31)的销售流水，模拟数据文件名为 data.csv，数据格式如下：（说明：日期是连续的，销量是随机数，单价范围为[101，105]的随机值）
代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| import random
import datetime
import csv
fn = 'data.csv'
with open(fn,'w') as fp:
wr = csv.writer(fp)
wr.writerow(['日期','销量','单价'])
startDate = datetime.date(2014,1,1)
for i in range(1825):
amount = 300+i*5+random.randrange(100)
price = 100+random.randint(1,5)
wr.writerow([str(startDate),amount,price])
startDate = startDate+datetime.timedelta(days=1)
|
（2）使用 pandas 读取文件 data.csv 中的数据，创建 DataFrame 对象，并删除其中所有缺失值；
代码
1
2
3
4
5
| import pandas as pd
df = pd.DataFrame(pd.read_csv('data.csv',encoding='gbk'))
df.dropna()
|
（3）使用 matplotlib 生成折线图，反映每月的销量情况，并把图形保存为本地文件 one.jpg；
代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.family'] = 'SimHei'
df = pd.DataFrame(pd.read_csv('data.csv',encoding='gbk'))
df.dropna()
df['日期'] = df['日期'].apply(lambda x: x[:7])
data_quantity = df.iloc[:,0:2]
group_month_quantity = data_quantity.groupby('日期').sum()
group_month_quantity.plot()
plt.savefig('one.jpg')
plt.show()
|
结果
（4）按年进行统计，使用 matplotlib 绘制柱状图显示每年的营业额，并把图形保存为本地文件 two.jpg；
代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.family'] = 'SimHei'
df = pd.DataFrame(pd.read_csv('data.csv',encoding='gbk'))
df.dropna()
df['日期'] = df['日期'].apply(lambda x: x[:4])
data_quantity = df.iloc[:,0:2]
group_month_quantity = data_quantity.groupby('日期').sum()
group_month_quantity.plot.bar()
plt.savefig('two.jpg')
plt.show()
|
结果
（5）按年进行统计，使用 matplotlib 绘制柱状图显示每年销售量最大的月份及销售额，并把图形保存为本地文件 three.jpg；
代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.family'] = 'SimHei'
df = pd.DataFrame(pd.read_csv('data.csv',encoding='gbk'))
df.dropna()
df['日期'] = df['日期'].apply(lambda x: x[:4])
data_quantity = df.iloc[:,0:2]
group_month_quantity = data_quantity.groupby('日期').max()
group_month_quantity.plot.bar()
plt.savefig('three.jpg')
plt.show()
|
结果
（6）按年度统计该商品的营业额数据，使用 matplotlib 生成饼状图显示每年都的营业额分布情况，并把图形保存为本地文件 four.jpg。
代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.family'] = 'SimHei'
df = pd.DataFrame(pd.read_csv('data.csv',encoding='gbk'))
df.dropna()
df['日期'] = df['日期'].apply(lambda x: x[:4])
data_quantity = df.iloc[:,0:2]
group_month_quantity = data_quantity.groupby('日期').sum()
group_month_quantity.plot.pie(subplots=True)
plt.savefig('four.jpg')
plt.show()
|
结果
