👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉公众号👈：测试开发自动化【获取源码+商业合作】
👉荣__誉👈：阿里云博客专家博主、51CTO技术博主
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。
python海底捞门店数据分析与可视化（数据集+源码+论文）【独一无二】
目录
- python海底捞门店数据分析与可视化（数据集+源码+论文）【独一无二】
- 一、设计要求
- 项目背景
- 主要功能
- 二、设计思路
- 1. 导入库和设置
- 2. 读取数据
- 3. 数据预览和基本信息
- 4. 处理缺失值
- 5. 处理异常值
- 6. 处理重复值
- 7. 数据转换
- 8. 数据分组和统计分析
- 9. 数据可视化
- 总结
一、设计要求
项目背景
本项目旨在通过数据分析和可视化的方法，对海底捞门店的营业数据进行深入的探索和理解。数据来源于Excel文件《海底捞门店数据.xlsx》。项目包括数据预处理、缺失值处理、异常值处理、重复值处理、数据转换、分组统计分析和数据可视化。
主要功能
-
数据读取与预览
- 从Excel文件中读取数据，展示数据的前几行，提供数据的基本信息，包括行列数、数据类型和非空数统计。
-
缺失值处理
- 统计数据中的缺失值总数。
- 提供两种处理缺失值的方法：删除含有缺失值的记录和用众数填充缺失值。
-
异常值处理
- 使用箱型图可视化数据，识别异常值。
- 提供两种去除异常值的方法：四分位数间距法（IQR）和3σ原则。
-
重复值处理
- 检查并删除数据中的重复值。
-
数据转换
- 将“省份”列转换为数值型数据，便于后续分析。
-
分组统计分析
- 按省份分组统计各省店铺数量。
- 按营业时长分组统计各时长区间内的店铺数量。
-
数据可视化
- 可视化各省店铺数量分布。
- 可视化营业时长分布。
- 可视化开始营业时间分布。
- 可视化结束营业时间分布。
二、设计思路
1. 导入库和设置
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as snsplt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
- 导入必要的库：
pandas用于数据处理，matplotlib和seaborn用于数据可视化。 - 设置绘图时中文字体的显示，确保中文标签能正常显示。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
2. 读取数据
file_path = '海底捞门店数据.xlsx'
df = pd.read_excel(file_path, engine='openpyxl')
- 从Excel文件中读取数据到一个DataFrame中。
3. 数据预览和基本信息
print("数据预览：")
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈print("缺失值总数:")
print(df.isnull().sum())
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
- 打印数据的前几行，显示数据的基本信息（行列数、数据类型和非空数）。
- 统计缺失值的总数。
4. 处理缺失值
# 删除含有缺失值的记录
# 代码略....
print(df_dropna.isnull().sum())# 用众数填充缺失值
df_fillna = df.fillna(df.mode().iloc[0])
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈
print(df_fillna.isnull().sum())
- 处理缺失值的方法包括：
- 删除含有缺失值的记录。
- 用众数填充缺失值。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
5. 处理异常值
# 箱型图识别异常值
plt.figure(figsize=(10, 6))
# 代码略....
plt.show()# 四分位数间距法去除异常值
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈IQR = Q3 - Q1
df_no_outliers = df[~((df['营业时长'] < (Q1 - 1.5 * IQR)) | (df['营业时长'] > (Q3 + 1.5 * IQR)))]
print("去除异常值后的数据行列数: ", df_no_outliers.shape)# 3σ原则去除异常值
mean = df['营业时长'].mean()
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈print("3σ原则去除异常值后的数据行列数: ", df_no_outliers_sigma.shape)
- 使用箱型图可视化数据，识别异常值。
- 使用四分位数间距法（IQR）和3σ原则去除异常值。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
6. 处理重复值
df_no_duplicates = df.drop_duplicates()
print("删除重复值后的数据行列数: ", df_no_duplicates.shape)
- 删除重复值。
7. 数据转换
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈
print("转换后的数据预览：")
print(df.head())
- 将“省份”列转换为数值型数据，便于后续分析。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
8. 数据分组和统计分析
# 按省份分组统计各省店铺数量
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈print("按省份分组统计：")
print(province_group)
# 按营业时间长度分组统计
time_group = df.groupby('营业时长')['店名'].count().reset_index()
# 代码略....👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “门店” 获取。👈👈👈print("按营业时间长度分组统计：")
print(time_group)
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
- 按省份和营业时长分组，统计各组的店铺数量。
9. 数据可视化
# 店铺数量按省份分布
plt.figure(figsize=(14, 7))
# 代码略....
# 代码略....
plt.show()
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
# 营业时长分布
plt.figure(figsize=(10, 6))
# 代码略....
# 代码略....
plt.show()
# 开始营业时间分布
plt.figure(figsize=(10, 6))
# 代码略....
# 代码略....
plt.show()
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
# 结束营业时间分布
# 代码略....
# 代码略....
plt.show()
- 可视化数据，展示各省店铺数量分布、营业时长分布、开始营业时间分布和结束营业时间分布。
总结
这段代码通过读取、预览、处理和分析数据，最后进行可视化展示。其设计思路清晰、结构完整，覆盖了数据处理和分析的多个方面，包括缺失值处理、异常值处理、重复值处理、数据转换、数据分组统计和数据可视化。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 门店 ” 获取。👈👈👈
