From 568c23f7dcc74224505e76a7eb342aeb23b5d0ef Mon Sep 17 00:00:00 2001
From: hnu202110040108 <napoleonandcaesar@163.com>
Date: Wed, 22 Jun 2022 14:16:01 +0800
Subject: [PATCH] ADD file via upload

---
 数据分析2学生上课代码清单.py | 262 +++++++++++++++++++++++
 1 file changed, 262 insertions(+)
 create mode 100644 数据分析2学生上课代码清单.py

diff --git a/数据分析2学生上课代码清单.py b/数据分析2学生上课代码清单.py
new file mode 100644
index 0000000..072da3c
--- /dev/null
+++ b/数据分析2学生上课代码清单.py
@@ -0,0 +1,262 @@
+# -*- coding: utf-8 -*-
+"""
+Created on Sat May  8 10:42:49 2021
+
+@author: hzh
+"""
+import matplotlib.pyplot as plt
+import pandas as pd
+from mydisplay import *
+
+plt.rcParams['font.sans-serif'] = ['SimHei']
+# 步骤一（替换sans-serif字体）
+plt.rcParams['axes.unicode_minus'] = False
+# 步骤二（解决坐标轴负数的负号显示问题）
+
+# 折线图
+x = [1, 2, 3, 4]
+y = [1.2, 2.5, 4.5, 7.3]
+'''第一个参数是序号，可为数字或字符串,用来区分不同画布；可用figsize参数指明画布大小。 
+fig1=plt.figure('fig1', figsize=(7,5)) 
+默认使用一个画布 如果要拥有多个画布，可用figure函数创建!'''
+fig1 = plt.figure('fig1', figsize=(7, 5))
+# plt.plot(x, y)  # plot函数作图
+plt.plot(x, y, color="r", linestyle="--", marker="*", linewidth=1.0, label='虚线')
+plt.plot(x, x, color="b", linestyle="-.", marker="o", linewidth=1.3, label='点实线')
+
+plt.legend(loc='upper left')  # 图例显示位置
+plt.title('折线图')
+plt.ylabel('Y')
+plt.xlabel('X')
+plt.grid()  # 网格
+plt.savefig('line.png')  # 保存
+plt.show()  # 看得到图形则不用这条语句
+
+# 条形图1：bar()
+x = [0, 1, 2, 3]  # 季度
+y = [1000, 1500, 1300, 1800]  # 销量
+colors = ['red', 'green', 'cyan', 'blue']
+plt.bar(x, y, width=0.8, color=colors, label='季度销售情况')
+plt.xticks(x, ['春', '夏', '秋', '冬'])
+# 水平条形图：barh()
+# plt.barh(x, y,height=0.8,color=colors)
+# 值标签
+for i, j in zip(x, y):
+	plt.text(i, j, j)
+plt.legend()
+plt.show()
+
+# 用bar函数绘制条形图2
+# plt.bar(left,height,width,bottom)
+# Left为x轴坐标，height为条形高度，width为宽度(默认0.8），bottom为条形起始位置（ex4.py)
+
+import numpy as np
+import matplotlib
+
+matplotlib.rcParams['font.family'] = 'simHei'
+N = 5
+y = [20, 10, 30, 25, 15]
+x = np.arange(N)
+# print(x)
+plt.bar(x, y, width=0.5, bottom=0, color='g', )
+# plt.show()
+# 如何显示图例？
+for i, j in zip(x, y):
+	plt.text(i, j, j)
+plt.legend()
+plt.show()
+
+# 用bar函数绘制条形图3
+import matplotlib.pyplot as plt
+
+name_list = ['Monday', 'Tuesday', 'Friday', 'Sunday']
+num_list = [1.5, 0.6, 7.8, 6]
+plt.bar(range(len(num_list)), num_list, color='rgb', tick_label=name_list)
+plt.show()
+
+# 添加图例与数据标签的条形图4
+# 将全局的字体设置为黑体
+matplotlib.rcParams['font.family'] = 'SimHei'
+N = 5
+y = [20, 10, 30, 25, 15]
+x = np.arange(N)
+str1 = ("北京", "上海", "武汉", "深圳", "重庆")
+# 绘图 x x轴， height 高度, 默认：color="blue", width=0.8
+p1 = plt.bar(x, height=y, width=0.5, label="城市指标", tick_label=str1)
+# 添加数据标签
+for a, b in zip(x, y):
+	plt.text(a, b, '%.0f' % b, ha='center', va='bottom', fontsize=10)
+# 添加图例
+plt.legend()
+# 展示图形
+plt.show()
+
+# 用pie函数绘制饼图1:pie()
+# plt.pie(data,explode)
+# Data为绘图数据；explode为图形显示的方式，为0表示该部分与整个图不分离，大于0表示该部分与整个图分离，分离距离与该数据大小有关。
+
+
+labels = '优秀', '良好', '中等', '及格', '不及格'
+x = [8, 20, 35, 27, 10]
+y = [0, 0.2, 0, 0, 0.1]  # explode，分离的距离
+fig1 = plt.figure('fig1')
+plt.pie(x, y, labels, autopct='%1.2f%%')
+plt.show()
+
+# 饼图2：pie()
+labels = ['娱乐', '育儿', '饮食', '房贷', '交通', '其它']
+sizes = [2, 5, 12, 70, 2, 9]
+explode = (0, 0, 0, 0.1, 0, 0)
+plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%')
+plt.title("8月份家庭支出")
+
+# 载入数据
+df = pd.read_csv('sales_data_sample9.csv', encoding='gbk')
+print(df)
+
+# 查看数据的基本信息
+df.info()  # 查看数据整体情况
+print(df.head(3))  # 前面n行
+print(df.tail(3))  # 末尾n行
+print(df.shape)  # 数据集规模
+print(df.dtypes)  # 数据类型
+
+# 数据预处理
+df.count()
+df = df.dropna()  # 默认丢弃任何含有NaN的行
+df = df.dropna(how='all')  # 只丢弃全为NaN的行
+df = df.dropna(how='all', axis=1)  # 只丢弃全为NaN的列
+df = df.fillna(0)  # 用0填充缺失数据
+df['总分'].fillna(df['总分'].mean(), inplace=True)  # 用列均值填充
+
+# 练习：2003年金额最大的订单，最小单价对应的行索引号，金额最大的5张订单
+df1 = df[df['年份'] == 2003]
+print(df1)
+df1['金额'].idxmax()
+df1['单价'].idxmin()
+df2 = df1.sort_values(by=['金额'], ascending=False)
+print(df2.head(5))
+
+# 探索性分析
+# 排序：按订单号、订单行号升序排序
+print(df.sort_values(by=['订单号', '订单行号'], ascending=True))
+
+# 分组统计：groupby(by=列名/列名列表)
+dfg = df.groupby(by='订单号')['金额'].sum()  # 各订单销售总额
+dfg1 = df.groupby(by=['年份', '订单号'])['金额'].sum()
+dfg2 = df.groupby(by='年份').size()  # size跟count的区别： size计数时包含NaN值，而count不包含NaN值
+dfg3 = df.订单号.nunique()  # 订单号数量
+print(dfg)
+
+# 练习：各个季度销售总额升序排序，各季度订单号数量
+
+
+# 统计2004年各季度销售量：
+m = df[df['年份'] == 2004].groupby(by='季度')['金额'].sum()
+print(m)
+plt.bar(m.index, m.values)  # 绘图
+plt.xticks([1, 2, 3, 4])  # x轴刻度
+plt.ylim(0, 2500000)  # y轴取值范围
+plt.xticks([1, 2, 3, 4], ['春', '夏', '秋', '冬'])
+for x, y in zip(m.index, m.values):  # 值标签
+	plt.text(x, y, '%.2f' % y, ha='center', va='bottom')
+
+# 练习：不同年度销售总额对比
+
+
+# 2004年不同季度销售额占比
+m = df[df['年份'] == 2004].groupby(by=['季度'])['金额'].sum()
+explode = [0, 0, 0, 0.1]
+plt.pie(m, explode=explode, labels=['春', '夏', '秋', '冬'], autopct='%.2f%%')
+plt.legend()
+# 练习：2004年不同季度订单数量占比
+
+
+# 不同年份各月销售总额对比
+m = df[df['年份'] == 2003].groupby(by=['月份'])['金额'].sum()  # 不同年份各月销售总额
+n = df[df['年份'] == 2004].groupby(by=['月份'])['金额'].sum()
+plt.plot(m.index, m.values, label='2003')
+plt.plot(n.index, n.values, label='2004')
+plt.legend()
+plt.title('不同年份销售额曲线对比')
+plt.grid(True)
+plt.xticks(range(1, 13), ['%d月' % x for x in range(1, 13)])
+plt.ticklabel_format(style='plain', axis='y')
+# 练习：不同年度各月订单数量对比
+
+
+# 散点图
+x = [0.1, 0.2, 0.4, 0.5, 0.7, 0.8, 0.89, 0.91, 0.92, 0.93, 0.94]
+y = [0.6, 0.65, 0.7, 0.8, 0.86, 0.9, 0.93, 0.96, 0.98, 0.99, 1.0]
+plt.scatter(x, y)
+# plt.plot(x,y)
+plt.title('scatter')
+plt.xlabel('X')
+plt.ylabel('Y')
+plt.show()
+
+df = pd.read_csv('sales_data_sample9.csv', encoding='gbk')
+myprint(df.info(), 'df.info()')  # 查看数据整体情况
+myprint(df.head(3), 'df.head(3)')  # 前面n行
+myprint(df.tail(3), 'df.tail(3)')  # 末尾n行
+myprint(df.shape, 'df.shape')  # 数据集规模
+myprint(df.dtypes, 'df.dtypes')  # 数据类型
+df.count()
+df = df.dropna()  # 默认丢弃任何含有NaN的行
+df = df.dropna(how='all')  # 只丢弃全为NaN的行
+df = df.dropna(how='all', axis=1)  # 只丢弃全为NaN的列
+df = df.fillna(0)  # 用0填充缺失数据
+myprint(df)
+df['金额'].fillna(df['金额'].mean(), inplace=True)  # 用列均值填充
+# 基本统计方法
+# • sum() 求和
+# • max() 最大值 idxmax() 最大值对应索引号
+# • min() 最小值 idxmin() 最小值对应索引号
+# • var() 方差 std() 标准差
+# • median() 中位数 mean() 均值
+# • nlargest（n,列名）该列最大的n个值
+# • nsmallest(n,列名）该列最小的n个值
+# • describe():计算各列的频率、均值、标准差、级值、四分位数
+# • 练习：2003年金额最大的订单，最小单价对应的行索引号，金额最
+# 大的5张订单
+print(df.sort_values(by=['订单号', '订单行号'], ascending=True))
+
+dfg1 = df.groupby(by='订单号')['金额'].sum()  # 各订单销售总额
+dfg2 = df.groupby(by=['年份', '订单号'])['金额'].sum()
+dfg3 = df.groupby(by='年份').size()  # size跟count的区别： size计数时包含NaN值，而count不包含NaN值
+dfg4 = df.订单号.nunique()  # 订单号数量
+
+m = df[df['年份'] == 2004].groupby(by='季度')['金额'].sum()
+plt.bar(m.index, m.values)  # 绘图
+plt.xticks([1, 2, 3, 4])  # x轴刻度
+plt.ylim(0, 2500000)  # y轴取值范围
+plt.xticks([1, 2, 3, 4], ['春', '夏', '秋', '冬'])
+for x, y in zip(m.index, m.values):  # 值标签
+	plt.text(x, y, '%.2f' % y, ha='center', va='bottom')
+plt.show()
+# 练习：不同年度销售总额对比
+
+
+# 2004年不同季度销售额占比
+m = df[df['年份'] == 2004].groupby(by=['季度'])['金额'].sum()
+explode = [0, 0, 0, 0.1]
+plt.pie(m, explode=explode, labels=['春', '夏', '秋', '冬'], autopct='%.2f%%')
+plt.legend()
+plt.show()
+# 练习：2004年不同季度订单数量占比
+
+
+# 不同年份各月销售总额对比
+m = df[df['年份'] == 2003].groupby(by=['月份'])['金额'].sum()  # 不同年份各月销售总额
+n = df[df['年份'] == 2004].groupby(by=['月份'])['金额'].sum()
+k = df[df['年份'] == 2005].groupby(by=['月份'])['金额'].sum()
+plt.plot(m.index, m.values, label='2003')
+plt.plot(n.index, n.values, label='2004')
+plt.plot(k.index, n.values, label='2005')
+plt.legend()
+plt.title('不同年份销售额曲线对比')
+plt.grid(True)
+plt.xticks(range(1, 13), ['%d月' % x for x in range(1, 13)])
+plt.ticklabel_format(style='plain', axis='y')
+plt.show()
+# 练习：不同年度各月订单数量对比