数据新手神器：2025分析教程揭开领先秘密

# 导入必要的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 设置中文显示
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

# 读取数据
# 假设数据保存在名为'sales_data.csv'的文件中
# 如果是自己创建数据，可以使用pd.DataFrame()函数创建
# 这里我们创建一个简单的销售数据集作为示例
data = {
    'order_id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    'order_date': pd.date_range('2024-10-01', periods=10, freq='D'),
    'customer_id': [101, 102, 103, 104, 105, 101, 102, 106, 107, 108],
    'product_id': [201, 202, 203, 204, 205, 206, 207, 208, 209, 210],
    'product_name': ['智能手机A', '笔记本电脑B', '平板电脑C', '智能手表D', '耳机E',
                     '智能音箱F', '相机G', '显示器H', '键盘I', '鼠标J'],
    'category': ['手机', '电脑', '平板', '可穿戴设备', '配件',
                 '智能家居', '相机', '电脑', '配件', '配件'],
    'price': [3999, 5999, 2999, 1999, 899, 499, 4599, 1299, 299, 99],
    'quantity': [1, 1, 2, 1, 3, 1, 1, 1, 2, 1],
    'total_amount': [3999, 5999, 5998, 1999, 2697, 499, 4599, 1299, 598, 99],
    'payment_method': ['支付宝', '微信支付', '支付宝', '银联', '微信支付',
                      '支付宝', '微信支付', '银联', '支付宝', '微信支付'],
    'shipping_address': ['北京', '上海', '广州', '深圳', '杭州',
                         '北京', '上海', '深圳', '广州', '杭州']
}

sales_df = pd.DataFrame(data)

# 查看数据的基本信息
print('数据的基本信息：')
print(sales_df.info())

print('\n数据的前5行：')
print(sales_df.head())

print('\n数据的统计描述：')
print(sales_df.describe())

# 检查是否有缺失值
print('\n缺失值情况：')
print(sales_df.isnull().sum())

# 检查是否有重复值
print('\n重复值情况：')
print(sales_df.duplicated().sum())

# 数据清洗（如果有缺失值或重复值）
# 由于我们创建的数据没有缺失值和重复值，这里可以省略数据清洗的步骤

# 1. 销售总体情况分析
# 计算总销售额、总订单数、总商品数、平均订单金额
total_sales = sales_df['total_amount'].sum()
total_orders = sales_df['order_id'].nunique()
total_products = sales_df['product_id'].nunique()
avg_order_amount = total_sales / total_orders

print('\n销售总体情况：')
print(f'总销售额：{total_sales} 元')
print(f'总订单数：{total_orders} 单')
print(f'总商品数：{total_products} 种')
print(f'平均订单金额：{avg_order_amount:.2f} 元')

# 2. 按日期分析销售趋势
# 按日期分组，计算每日销售额
daily_sales = sales_df.groupby('order_date')['total_amount'].sum()

# 可视化每日销售额趋势
plt.figure(figsize=(12, 6))
daily_sales.plot(kind='line', marker='o')
plt.title('每日销售额趋势', fontsize=16)
plt.xlabel('日期', fontsize=14)
plt.ylabel('销售额（元）', fontsize=14)
plt.grid(True)
plt.tight_layout()
plt.show()

# 3. 按产品类别分析销售情况
# 按产品类别分组，计算各类别的销售额和订单数
category_sales = sales_df.groupby('category').agg({
    'total_amount': 'sum',
    'order_id': 'nunique'
}).rename(columns={'total_amount': '销售额', 'order_id': '订单数'})

print('\n按产品类别销售情况：')
print(category_sales)

# 可视化各类别的销售额
plt.figure(figsize=(12, 6))
category_sales['销售额'].sort_values(ascending=False).plot(kind='bar')
plt.title('按产品类别销售额分布', fontsize=16)
plt.xlabel('产品类别', fontsize=14)
plt.ylabel('销售额（元）', fontsize=14)
plt.grid(axis='y')
plt.tight_layout()
plt.show()

# 4. 按支付方式分析
# 按支付方式分组，计算各支付方式的订单数和销售额
payment_sales = sales_df.groupby('payment_method').agg({
    'order_id': 'nunique',
    'total_amount': 'sum'
}).rename(columns={'order_id': '订单数', 'total_amount': '销售额'})

print('\n按支付方式销售情况：')
print(payment_sales)

# 可视化各支付方式的订单数占比
plt.figure(figsize=(10, 10))
payment_sales['订单数'].plot(kind='pie', autopct='%1.1f%%', startangle=90)
plt.title('按支付方式订单数占比', fontsize=16)
plt.ylabel('')
plt.tight_layout()
plt.show()

# 5. 按地区分析销售情况
# 按收货地址分组，计算各地区的销售额和订单数
region_sales = sales_df.groupby('shipping_address').agg({
    'total_amount': 'sum',
    'order_id': 'nunique'
}).rename(columns={'total_amount': '销售额', 'order_id': '订单数'})

print('\n按地区销售情况：')
print(region_sales)

# 6. 用户购买行为分析
# 计算每个用户的购买次数、总购买金额、平均购买金额
user_behavior = sales_df.groupby('customer_id').agg({
    'order_id': 'nunique',
    'total_amount': ['sum', 'mean']
}).rename(columns={'order_id': '购买次数', 'sum': '总购买金额', 'mean': '平均购买金额'})

print('\n用户购买行为分析：')
print(user_behavior)

# 7. 热门产品分析
# 计算每个产品的销售数量和销售额
product_sales = sales_df.groupby(['product_id', 'product_name']).agg({
    'quantity': 'sum',
    'total_amount': 'sum'
}).rename(columns={'quantity': '销售数量', 'total_amount': '销售额'})

# 按销售额排序，显示前10名产品
top_products = product_sales.sort_values(by='销售额', ascending=False).head(10)

print('\n热门产品（按销售额排序）：')
print(top_products)

# 导入pandas库
import pandas as pd
import numpy as np

# 1. 创建数据结构
# 创建Series
s = pd.Series([1, 3, 5, np.nan, 6, 8])
print('Series:')
print(s)

# 创建DataFrame
# 从字典创建DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
    'Age': [25, 30, 35, 40, 45],
    'City': ['New York', 'London', 'Paris', 'Tokyo', 'Sydney'],
    'Salary': [50000, 60000, 70000, 80000, 90000]
}
df = pd.DataFrame(data)
print('\nDataFrame:')
print(df)

# 从列表创建DataFrame
values = [
    ['Alice', 25, 'New York', 50000],
    ['Bob', 30, 'London', 60000],
    ['Charlie', 35, 'Paris', 70000],
    ['David', 40, 'Tokyo', 80000],
    ['Eva', 45, 'Sydney', 90000]
]
columns = ['Name', 'Age', 'City', 'Salary']
df_from_list = pd.DataFrame(values, columns=columns)
print('\nDataFrame from list:')
print(df_from_list)

# 2. 数据读取和写入
# 读取CSV文件
# df = pd.read_csv('data.csv')

# 读取Excel文件
# df = pd.read_excel('data.xlsx')

# 写入CSV文件
# df.to_csv('output.csv', index=False)

# 写入Excel文件
# df.to_excel('output.xlsx', index=False)

# 3. 数据查看和选择
# 查看数据的前5行
print('\nDataFrame head:')
print(df.head())

# 查看数据的后5行
print('\nDataFrame tail:')
print(df.tail())

# 查看数据的基本信息
print('\nDataFrame info:')
print(df.info())

# 查看数据的统计描述
print('\nDataFrame describe:')
print(df.describe())

# 选择列
print('\nSelect column:')
print(df['Name'])
print(df[['Name', 'Age']])

# 选择行
print('\nSelect rows by index:')
print(df.loc[0])  # 选择第0行
print(df.loc[1:3])  # 选择第1到3行

print('\nSelect rows by condition:')
print(df[df['Age'] > 30])  # 选择年龄大于30的行
print(df[(df['Age'] > 30) & (df['Salary'] > 70000)])  # 选择年龄大于30且薪资大于70000的行

# 4. 数据清洗
# 处理缺失值
# 创建一个包含缺失值的DataFrame
df_with_na = df.copy()
df_with_na.loc[2, 'Age'] = np.nan
df_with_na.loc[3, 'Salary'] = np.nan
print('\nDataFrame with NA:')
print(df_with_na)

# 检查缺失值
print('\nCheck NA:')
print(df_with_na.isnull().sum())

# 填充缺失值
print('\nFill NA:')
print(df_with_na.fillna({'Age': df_with_na['Age'].mean(), 'Salary': df_with_na['Salary'].median()}))

# 删除缺失值
print('\nDrop NA:')
print(df_with_na.dropna())

# 处理重复值
# 创建一个包含重复值的DataFrame
df_with_duplicates = pd.concat([df, df.iloc[0:2]])
print('\nDataFrame with duplicates:')
print(df_with_duplicates)

# 检查重复值
print('\nCheck duplicates:')
print(df_with_duplicates.duplicated().sum())

# 删除重复值
print('\nDrop duplicates:')
print(df_with_duplicates.drop_duplicates())

# 5. 数据转换
# 添加新列
df['Bonus'] = df['Salary'] * 0.1
print('\nDataFrame with new column:')
print(df)

# 重命名列
df_renamed = df.rename(columns={'Name': 'Employee Name', 'Salary': 'Monthly Salary'})
print('\nDataFrame with renamed columns:')
print(df_renamed)

# 数据类型转换
df['Age'] = df['Age'].astype('float')
print('\nDataFrame with converted data types:')
print(df.dtypes)

# 字符串处理
df['City_Upper'] = df['City'].str.upper()
print('\nDataFrame with string processing:')
print(df)

# 6. 数据分组和聚合
# 按城市分组，计算平均年龄和平均薪资
grouped = df.groupby('City').agg({
    'Age': 'mean',
    'Salary': 'mean'
}).rename(columns={'Age': 'Average Age', 'Salary': 'Average Salary'})
print('\nGrouped DataFrame:')
print(grouped)

# 7. 数据排序
# 按年龄排序
print('\nDataFrame sorted by Age:')
print(df.sort_values(by='Age'))

# 按薪资降序排序
print('\nDataFrame sorted by Salary descending:')
print(df.sort_values(by='Salary', ascending=False))

# 8. 数据合并
# 创建另一个DataFrame
data2 = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
    'Department': ['HR', 'IT', 'Finance', 'Marketing', 'Sales'],
    'Manager': ['Tom', 'Jerry', 'Mike', 'Sarah', 'John']
}
df2 = pd.DataFrame(data2)

# 合并DataFrame
merged_df = pd.merge(df, df2, on='Name')
print('\nMerged DataFrame:')
print(merged_df)

# 9. 时间序列处理
# 创建时间序列数据
dates = pd.date_range('2025-01-01', periods=10, freq='D')
time_series = pd.Series(np.random.randn(10), index=dates)
print('\nTime Series:')
print(time_series)

# 按月份统计
df_time = pd.DataFrame({
    'Date': dates,
    'Value': np.random.randint(1, 100, size=10)
})
df_time['Month'] = df_time['Date'].dt.month
monthly_stats = df_time.groupby('Month')['Value'].sum()
print('\nMonthly Stats:')
print(monthly_stats)