matplotlib和pandas经典操作

  1. 导入数据
import pandas as pd #导入Pandas
df_sales_02 = pd.read_csv('订单记录.csv') #载入数据
df_sales_02.head() #显示头几行数据
  1. 数据可视化
import matplotlib.pyplot as plt #导入Matplotlib的pyplot模块
#构建月度的订单数的DataFrame
df_sales_02['消费日期'] = pd.to_datetime(df_sales_02['消费日期']) #转化日期格式
df_orders_monthly = df_sales_02.set_index('消费日期')['订单号'].resample('M').nunique()
#设定绘图的画布

ax = pd.DataFrame(df_orders_monthly.values).plot(grid=True,figsize=(12,6),legend=False)

ax.set_xlabel('月份') # X轴label
ax.set_ylabel('订单数') # Y轴Label
ax.set_title('月度订单数') # 图题
#设定X轴月份显示格式
plt.xticks(
    range(len(df_orders_monthly.index)),
    [x.strftime('%m.%Y') for x in df_orders_monthly.index],
    rotation=45)
plt.show() # 绘图

matplotlib和pandas经典操作

=================================================================================

  1. pandas的经典操作
df_sales_02 = df_sales_02.loc[df_sales_02['数量'] > 0] #清洗掉数量小于等于0的数据
  1. 特征工程
df_sales_02['总价'] = df_sales_02['数量'] * df_sales_02['单价'] #计算每单的总价
df_sales_02.head() #显示头几行数据

matplotlib和pandas经典操作
  1. 构建User用户表
df_user_02 = pd.DataFrame(df_sales_02['用户码'].unique()) #生成以用户码为主键的结构df_user
df_user_02.columns = ['用户码'] #设定字段名
df_user_02 = df_user_02.sort_values(by='用户码',ascending=True).reset_index(drop=True) #按用户码排序
df_user_02 #显示df_user

matplotlib和pandas经典操作
  1. 求R值
df_sales_02['消费日期'] = pd.to_datetime(df_sales_02['消费日期']) #转化日期格式
df_recent_buy_02 = df_sales_02.groupby('用户码').消费日期.max().reset_index() #构建消费日期信息
df_recent_buy_02.columns = ['用户码','最近日期'] #设定字段名
df_recent_buy_02['R值'] = (df_recent_buy_02['最近日期'].max() - df_recent_buy_02['最近日期']).dt.days #计算最新日期与上次消费日期的天数
df_user_02 = pd.merge(df_user_02, df_recent_buy_02[['用户码','R值']], on='用户码') #把上次消费距最新日期的天数(R值)合并至df_user结构
df_user_02.head() #显示df_user头几行数据

matplotlib和pandas经典操作
  1. 求F值
## F值: 同一个用户购买的次数
df_frequency_02 = df_sales_02.groupby('用户码').消费日期.count().reset_index() #按照用户码分组,重建索引
df_frequency_02.columns = ['用户码','F值']
df_user_03 = pd.merge(df_user_03, df_frequency_02[['用户码','F值']], on='用户码') #把上次消费距最新日期的天数(R值)合并至df_user结构
df_user_03.head() #显示df_user头几行数据

matplotlib和pandas经典操作
  1. 求M值
## M值: 同一个用户从开始到现在的购买总额
df_amount_02 = df_sales_02.groupby('用户码').总价.sum().reset_index() #按照用户码分组,重建索引
df_amount_02.columns = ['用户码','M值']
df_user_03 = pd.merge(df_user_03, df_amount_02[['用户码','M值']], on='用户码') #把上次消费距最新日期的天数(R值)合并至df_user结构
df_user_03.head() #显示df_user头几行数据

matplotlib和pandas经典操作

Original: https://www.cnblogs.com/hixiaowei/p/16010658.html
Author: littlevigra
Title: matplotlib和pandas经典操作

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/9100/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

发表回复

登录后才能评论
免费咨询
免费咨询
扫码关注
扫码关注
联系站长

站长Johngo!

大数据和算法重度研究者!

持续产出大数据、算法、LeetCode干货,以及业界好资源!

2022012703491714

微信来撩,免费咨询:xiaozhu_tec

分享本页
返回顶部