據分析pandas完成資料分析專案
【Python有趣打卡】資料分析pandas完成資料分析專案
今天依然是跟著羅羅攀學習資料分析，原創：羅羅攀（公眾號：luoluopan1） [ 學習Python有趣|資料分析三板斧
](https://mp.weixin.qq.com/s?__biz=MzIyMjY2MzgyMw
。今天是在DD大資料團隊實習的第一天，正式開始資料分析之旅，很開心，感覺離自己的夢想又進了一步~
資料來源
-
資料來源
[ https://www.kaggle.com/starbucks/store-locations](https://www.kaggle.com/starbucks/store-locations) （資料下載需要註冊）
-
定義問題
哪些國家星巴克店鋪較多；哪些城市星巴克店鋪較多；中國星巴克店鋪分佈情況 -
讀取資料
import numpy as np
import pandas as pd
data = pd.read_csv(r'C:\Users\xuxiaojielucky_i\Desktop\directory.csv')
data.head()
還是使用 jupyter notebook
檢視資料
- 檢查資料
data.describe()
describe函式主要是用來了解數值型資料的分佈和概況
data.info()
info函式主要是用來檢視資料的缺失值情況，如針對我們的問題，我們關注的資料主要是地點（國家和城市），這裡城市city部分資料缺失。
資料處理
對原始資料進行預處理，包括對資料缺失值處理、異常值處理、重複值處理、多表處理、資料轉換處理等，要怎麼處理資料要具體問題具體分析。
- 選擇資料
首先看下星巴克旗下有哪些品牌吧
data['Brand'].unique()
不研究這麼多品牌，我們只看品牌—— ‘Starbucks’
data = data[data['Brand'] == 'Starbucks']
data.head()
- 找出缺失值
data.isnull().sum()
針對我們定義的問題，主要是對City欄位進行分析，觀察City欄位缺失值，都是國家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為啥埃及的城市都缺失了，哈哈哈哈哈
data[data['City'].isnull()]
- 處理缺失值
缺失值處理主要有兩種方法：1.刪除 2.填充
我們這裡採用填充的方式，將 State/Province 欄位填充在 City 處
data['City'] = data['City'].fillna(data['State/Province'])
data[data['Country']=='EG']
羅老師發現星巴克資料居然把臺灣當做了國家，老師表示不能忍，怒改資料，直接重新賦值，換成了中國（中國一點都不能少）。（哈哈哈哈哈羅老師很可愛了）
data['Country'][data['Country']=='TW']= 'CN'
資料分析
- 檢視各個國家星巴克店的數量
（1）統計每個國家星巴克店的數量，並返回數量前十的國家
data['Country'].value_counts()[0:10]
為了讓資料更加直觀，我們繪製一些圖形
由於matplotlib沒有中文庫，為了放置一些錯誤出現，可以先進行一些配置
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤
plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號
%matplotlib inline
country_count.plot(kind = 'bar')
再從城市的維度分析下，哪個城市的星巴克最多
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤
plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號
%matplotlib inline
city_count.plot(kind = 'barh')
排名最多的居然是上海，不是美國的城市，不分析不知道，一分析嚇一跳，中國的市場還是很大的。其實可以繼續深挖，這些星巴克店較多的城市有什麼共同點，是不是都是經濟比較發達的。
下面只分析中國星巴克的分佈。
China_data=data[data['Country'] == 'CN']
China_citycount = China_data['City'].value_counts()[0:10]
China_citycount.plot(kind = 'bar')
- 匯出資料
匯出上一篇文章資料處理的資料
country_count.to_excel(r'C:\Users\xuxiaojielucky_i\Desktop\display.xlsx',
sheet_name='國家分佈前十')
把多個DataFrame（或者Series）資料匯出到同一個excel表格
writer = pd.ExcelWriter(r'C:\Users\xuxiaojielucky_i\Desktop\display.xlsx')
country_count.to_excel(writer,sheet_name='國家分佈前十')
city_count.to_excel(writer,sheet_name='城市分佈前十')
writer.save()### 這個才可以儲存到本地