黑水玄蛇txt下载,宝宝吧,丛氏
使用pyecharts对星巴克门店分布进行可视化分析:
该数据集来源kaggle,囊括了截至2017/2月份全球星巴克门店的基础信息,其中包括品牌名称、门牌地址、所在国家、经纬度等一系列详细的信息。
字段名称 | 类型 | 解释说明 |
---|---|---|
brand | object | 品牌名称,数据字典中包含了星巴克旗下的子品牌 |
store number | object | 门店编号,独立且唯一 |
store name | object | 门店名称,示例:“北京建国门内大街店” |
ownership type | object | 门店所有权类型,如:company owned |
street address | object | 门店所在的街道地址 |
city | object | 门店所在的城市名称 |
state/province | object | 门店所在的省份地区 |
country | object | 门店所在的国家或地区,如:us,代表美国 |
postcode | object | 门店所在地址的邮政编码 |
phone number | object | 门店的联系电话 |
timezone | object | 门店所在地的时区 |
longitude | float64 | 门店地址的经度 |
latitude | float64 | 门店地址的纬度 |
import pyecharts import pandas as pd import warnings warnings.filterwarnings("ignore") data = pd.read_csv('directory.csv') #读取文件 country = pd.read_csv('country.csv') #用于替换星巴克门店信息中country字段简写 data = pd.merge(data,country,left_on='country',right_on='国际域名缩写',how = 'left')
temp = data.groupby('countries and regions')['brand'].count().reset_index() temp.columns = ['国家或地区','计数'] map = pyecharts.map("世界地图 - 不带标记点") map.add("国家或地区",temp['国家或地区'], temp['计数'], maptype="world", is_visualmap=true,style='heatmap', is_map_symbol_show=false, visual_text_color='#000') map
temp = data.groupby('city')['brand'].count().reset_index() temp = temp.nlargest(10,'brand') temp.columns = ['城市','计数'] bar = pyecharts.bar("星巴克门店数量top10城市", "来源:kaggle",width=1200,height=600) bar.add("门店数量", temp['城市'], temp['计数'],mark_point=['max']) bar
temp = data.groupby('city')['brand'].count().reset_index() temp = temp.nlargest(10,'brand') temp.columns = ['城市','计数'] bar = pyecharts.bar("星巴克门店数量top10城市", "来源:kaggle",width=1200,height=600) #bar.use_theme('vintage') bar.add("门店数量", temp['城市'], temp['计数'],mark_point=['max']) bar
这个需要提前解释一下,目前星巴克门店的经营方式氛围如下4类:
temp = data.groupby('ownership type')['brand'].count().reset_index() temp = temp.nlargest(10,'brand') temp.columns = ['ownership type','计数'] chart = pyecharts.pie("星巴克门店所有权分布", "来源:kaggle", title_pos='center') chart.add("占比", temp['ownership type'], temp['计数'], is_random=true, radius=[30, 75], rosetype='radius', is_legend_show=false, is_label_show=true) chart
temp = data[data['country']=='cn'].groupby('city')['brand'].count().reset_index() #防坑,门店信息中城市格式不统一,无法使用pyecharts自带的经纬度,自定义添加门店文件自带的经纬度 position = dict(zip(data['city'].values,data[['longitude','latitude']].values.tolist())) chart = pyecharts.geo("全国门店分布热点图", "来源:kaggle", title_color="#fff", title_pos="center", width=800, height=600, background_color='#404a59') chart.add("", temp['city'], temp['brand'], visual_range=[0, 80], type='heatmap', visual_text_color="#fff", is_visualmap=true,is_legend_show=false, geo_cities_coords = position) chart
城市 | 数量 |
---|---|
上海市 | 542 |
北京市 | 234 |
杭州市 | 117 |
深圳市 | 113 |
广州市 | 106 |
香港 | 104 |
成都市 | 98 |
苏州市 | 90 |
南京市 | 73 |
武汉市 | 67 |
宁波市 | 59 |
天津市 | 58 |
重庆市 | 41 |
无锡市 | 40 |
西安市 | 40 |
佛山市 | 33 |
东莞市 | 31 |
厦门市 | 31 |
青岛市 | 28 |
常州市 | 26 |
总体来说,星巴克门店主要还是分布在发达国家和地区,当然也与不同国家地区的文化有关,我们还是不能武断地因为哪个城市,哪个国家星巴克更多就断定更发达。
另外echarts是由百度团队开发的javascript可视化图表库,目前python中可以直接通过pyecharts调用,除了丰富的图表还具有传统图表不具有的交互性,强烈推荐各位使用。注意:很多人学python过程中会遇到各种烦恼问题,没有人解答容易放弃。为此小编建了个python全栈免费答疑.裙 :七衣衣九七七巴而五(数字的谐音)转换下可以找到了,不懂的问题有老司机解决里面还有最新python实战教程免非下,,一起相互监督共同进步!
本文的文字及图片来源于网络加上自己的想法,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
如对本文有疑问,请在下面进行留言讨论,广大热心网友会与你互动!! 点击进行留言回复
新手学习Python2和Python3中print不同的用法
Python基于os.environ从windows获取环境变量
网友评论