pandas+matplotlib——习题一

• ​​第一题​​

• ​​1.1 导入数据并查看【切片】​​
• ​​1.2 统计列[item_name]中每种商品出现的频率，绘制柱状图​​
• ​​1.3 根据列 [odrder_id] 分组，求出每个订单花费的总金额。然后根据每笔订单的总金额和其商品的总数量画出散点图(如上)。​​

• ​​第二题​​

• ​​2.1 加载datasets下的tips.csv文件数据，并显示前五行记录​​
• ​​2.2 在同一图中绘制:吸烟顾客与不吸烟顾客的消费金额与小费之间的散点图​​
• ​​2.3 在同一图中绘制:女性与男性中吸烟与不吸烟顾客的消费金额与小费之间的散点图关系​​

​​运行环境 jupyter notebook​​

import  matplotlib.pyplot as plt 
from pandas import DataFrame,Series
import pandas as pd
import numpy as np 

import scipy as sp
from pyecharts import Bar
from pyecharts import WordCloud

plt.rcParams["font.sans-serif"]=['SimHei']  # 用于正常显示中文标签
plt.rcParams['axes.unicode_minus']=False  # 用来正常显示负号

第一题

1.1 导入数据并查看【切片】

-># 读取datasets目录下chipo.csv并显示前十行数据（赋值给变量chipo)
chipo=pd.read_csv('datasets/chipo.csv')
chipo.iloc[0:10]   #切片显示 

1.2 统计列[item_name]中每种商品出现的频率，绘制柱状图

item_name_01=chipo.groupby('item_name').count().sort_values(by='Unnamed: 0',ascending=False) 
item_name_01=item_name_01['Unnamed: 0']
item_name_01.head() 
-------------------输出：-----------------
item_name
Chicken Bowl           726
Chicken Burrito        553
Chips and Guacamole    479
Steak Burrito          368
Canned Soft Drink      301
Name: Unnamed: 0, dtype: int64 
---------------------------------------- 
item_name_02 = item_name_01.head()
y=item_name_02.values
x=item_name_02.index
plt.figure(figsize=(15,7))
plt.bar(x,y,label='商品名')
plt.title('购买次数最多的商品排名')
plt.xlabel('商品名称')
plt.ylabel('出现的订单次数')
plt.legend(loc='upper right')

1.3 根据列 [odrder_id] 分组，求出每个订单花费的总金额。然后根据每笔订单的总金额和其商品的总数量画出散点图(如上)。

方法1：
function = lambda x: float(x[1:])
chipo['price'] = chipo['item_price'].agg(function)
data=DataFrame([chipo["order_id"],chipo["price"]]) 

data=data.T   #数据转置
price_X=data.groupby('order_id')['price'].sum()
order_id_Y=data.groupby('order_id').count()
x=price_X.values
y=order_id_Y.values 
plt.scatter(x,y,label='商品名',color='g',s=50,marker='o')
-----------------------------------------------------
方法2：
# 将item_price列数据转化成浮点型
chipo.item_price = [float(value[1:-1]) for value in chipo.item_price] 

# 根据商品id分组求和，可以得到每个商品id对应的商品总数和消费总金额
orders = chipo.groupby('order_id').sum()

# 以每笔订单消费总金额作为x轴，每笔订单的商品总数量为y轴，绘制散点图
plt.scatter(x = orders.item_price, y = orders.quantity, s = 50, c = 'green') 
-----------------------------------------------------

plt.title('订单金额和订单关系')
plt.xlabel('金额')
plt.ylabel('商品数')

第二题

2.1 加载datasets下的tips.csv文件数据，并显示前五行记录

df_01 = pd.read_csv('datasets/tips.csv')
df_01.head(5)

2.2 在同一图中绘制:吸烟顾客与不吸烟顾客的消费金额与小费之间的散点图

smoker=df_01[df_01['smoker'] !='No']       #吸烟de人
no_smoker = df_01[df_01['smoker'] =='No']  # 不吸烟


plt.figure(figsize=(12,6))
plt.subplot(1,2,1)
plt.scatter(smoker['total_bill'],smoker['tip'])
plt.xlabel('消费总金额')
plt.ylabel('小费金额')
plt.title('吸烟顾客')

plt.subplot(1,2,2)
plt.scatter(no_smoker['total_bill'],no_smoker['tip'])
plt.xlabel('消费总金额')
plt.ylabel('小费金额')
plt.title('不吸烟顾客')

2.3 在同一图中绘制:女性与男性中吸烟与不吸烟顾客的消费金额与小费之间的散点图关系

#吸烟的人
smoker=df_01[df_01['smoker'] !='No']
male_smoker = smoker[smoker['sex']=='Male']
Female_smoker = smoker[smoker['sex']=='Female']

#不吸烟人
no_smoker = df_01[df_01['smoker'] =='No']
male_nosmoker= no_smoker[no_smoker['sex']=='Male']
Female_nosmoker = no_smoker[no_smoker['sex']=='Female']

plt.figure(figsize=(12,5))
plt.subplot(1,2,1)   #第一块画板
plt.scatter(male_smoker['total_bill'], 
            male_smoker['tip'],label='男性吸烟顾客')
plt.scatter(male_nosmoker['total_bill'], 
            male_nosmoker['tip'],label='男性不吸烟顾客')
plt.xlabel('消费总金额')
plt.ylabel('小费金额')
plt.title('sex=Male')
plt.legend()

plt.subplot(1,2,2)   #第一块画板
plt.scatter(Female_smoker['total_bill'], 
            Female_smoker['tip'],label='女性吸烟顾客')
plt.scatter(Female_nosmoker['total_bill'], 
            Female_nosmoker['tip'],label='女性不吸烟顾客') 

plt.xlabel('消费总金额')  
plt.ylabel('小费金额')
plt.title('sex=Female')
plt.legend()   #显示标签