星巴克数据分析案例及数据集.zip

星巴克数据分析案例及数据集,python语言，内含相应数据集，代码可运行。

import numpy as np
import pandas as pd
data = pd.read_csv（‘directory.csv‘）# 读取数据，将文件转换为Dataframe格式
data.head（）

data.describe（）# 用于查看数值型数据的分布情况
data.info（）# 用于查看各字段的数据类型，以及缺失情况
data[‘Brand‘].unique（）# 查看唯一品牌的类型
data = data[data[‘Brand‘] == ‘Starbucks‘]# 只获取品牌为Starbucks
data[‘Brand‘].unique（）
data.isnull（）.sum（）# 各个字段缺失值的数量
data[data[‘City‘].isnull（）]# 查看缺失城市是哪些


# 用国家字段填充到城市字段上
def fill_na（x）:
    return x
data[‘City‘] = data[‘City‘].fillna（fill_na（data[‘State/Province‘]））
data[data[‘Country‘] == ‘EG‘]
#台湾被美国当成一个国家，把他重新赋值到中国来
data[‘Country‘][data[‘Country‘] == ‘TW‘] = ‘CN‘
country_count = data[‘Country‘].value_counts（）[0:10]



import matplotlib.pyplot as plt
#import matplotlib
#matplotlib.matplotlib_fname（）  # 将会获得matplotlib包所在文件夹
plt.rcParams[‘font.sans-serif‘] = [‘simhei‘]# 指定默认字体
plt.rcParams[‘axes.unicode_minus‘] = False# 用来正常显示坐标轴上的负号（‘-’）


plt.title（‘全球星巴克数量前十的国家‘）
country_count.plot（kind = ‘bar‘）


country_city_count = data[‘City‘].value_counts（）[0:10]
plt.title（‘全球星巴克数量前十的城市‘）
country_city_count.plot（kind = ‘barh‘）


china_data = data[data[‘Country‘] == ‘CN‘]
china_data.head（）
city_count = china_data[‘City‘].value_counts（）[0:10]


plt.title（‘中国星巴克数量前十的城市‘）
city_count.plot（kind = ‘barh‘）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件     4111462  2017-02-14 07:05  星巴克数据分析案例及数据集\directory.csv
     文件        1447  2019-11-07 13:52  星巴克数据分析案例及数据集\星巴克数据分析.py
     目录           0  2019-11-07 13:52  星巴克数据分析案例及数据集\