用Pandas玩转数据：水果订单与销售分析指南

2023-10-26 21:47:47

踏入数据分析的奇幻之旅：使用 Pandas 征服数据之海

踏入数据分析的迷人世界，你将发现 Pandas 是你的必备法宝。它是一个数据操作的宝库，让你轻松驾驭繁琐的数据任务，发掘隐藏的宝藏。在这场 Pandas 实战之旅中，我们将踏上一次探索水果订单和销售数据集的冒险，揭开数据中蕴藏的秘密。

启航：数据加载与探索

首先，让我们将模拟的水果订单和销售数据集装载到我们的船只上。Pandas 的 read_csv() 函数将充当我们的指南，将数据引入 Python 环境，让我们一睹其丰富的内容。

import pandas as pd

df = pd.read_csv('fruits_data.csv')

接下来，让我们用 head() 方法偷窥数据的结构和内容，就像窥探藏宝图一样。

df.head()

清扫甲板：数据清理与处理

数据准备是数据分析的基石。仔细检查数据，识别并处理任何缺失值或异常值，就像航行前检查船只是否有漏洞一样。

# 查找缺失值
df.isnull().sum()

# 删除缺失值
df = df.dropna()

航向未知：数据转换与操作

现在，让我们运用 Pandas 的强大能力来转换和操作数据。我们就像熟练的舵手，指引数据走向正确的航线。我们将：

创建一个新的宝箱，显示每种水果的总销售额。
分组水果，计算每个水果的平均销量，就像绘制航海图一样。
根据总销售额对水果进行排序，找出最受欢迎的水果。

# 创建总销售额列
df['Total Sales'] = df['Quantity'] * df['Price']

# 分组并计算平均销量
avg_sales = df.groupby('Fruit')['Quantity'].mean()

# 根据总销售额排序
sorted_sales = df.sort_values('Total Sales', ascending=False)

扬帆起航：可视化数据洞察

图表是揭示数据趋势和模式的宝贵地图。我们使用 Pandas 的绘图函数来绘制我们发现的航线。

# 水果总销售额条形图
plt.bar(df['Fruit'], df['Total Sales'])
plt.xlabel('Fruit')
plt.ylabel('Total Sales')
plt.title('Fruit Sales Performance')

# 水果平均销量饼状图
plt.pie(avg_sales, labels=avg_sales.index, autopct='%1.1f%%')
plt.title('Average Fruit Sales')