如何理解Python数据集与可视化

这篇文章主要介绍“如何理解Python数据集与可视化”，在日常操作中，相信很多人在如何理解Python数据集与可视化问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”如何理解Python数据集与可视化”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

创新互联公司成立与2013年，先为环江等服务建站，环江等地企业，进行企业商务咨询服务。为环江企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。

情景再现：

你的任务是提高销售团队的绩效。在我们假设的情况下，潜在客户有相当自发的需求。当这种情况发生时，您的销售团队会在系统中放置一个订单线索。然后，您的销售代表会设法安排一次会议，会议将在订单线索被注意到的时候举行。有时在前，有时在后。你的销售代表有一个把会议和餐费结合起来的开支预算。销售代表花费他们的成本，并将发票交给会计团队处理。在潜在客户决定是否接受您的报价后，销售代表会跟踪订单线索是否转化为销售。

对于分析，您可以访问以下三个数据源：

• 订单线索(包含所有订单线索和转换信息)

• 销售团队(包括公司和负责的销售代表)

• 发票(提供发票和参与者的信息)

导入和安装：

需要安装标准库，此外，通过使用以下命令,在你的Notebook上安装seaborn.

!pip install seaborn

下载数据：

您可以按照上周的说明下载并合并数据，也可以从此处下载文件并将其加载到 Notebook中。

sales_team 数据表的前两行

order_leads数据表的前两行

invoices数据表的前两行

开始探索

总转化率发展：

转化率随时间的变化

事情似乎在2017年初走下坡路。经过与首席销售官核实，发现大约在那个时候有一个竞争对手进入了这个市场。很高兴知道，但我们现在无能为力。

_ = order_leads.set_index(pd.DatetimeIndex(order_leads.Date)).groupby(    pd.Grouper(freq='D')      )['Converted'].mean()    ax = _.rolling(60).mean().plot(figsize=(20,7),title='Conversion Rate Over Time')      vals = ax.get_yticks()      ax.set_yticklabels(['{:,.0f}%'.format(x*100) for x in vals])    sns.despine()

1. 鸿蒙官方战略合作共建——HarmonyOS技术社区

2. 我们使用下划线_作为临时变量。对于以后不再使用的一次性变量，我通常会这样做。

3. 我们在order_leads.Date上使用了pd.DateTimeIndex并将结果设置为索引，这使我们能够

4. 使用pd.Grouped(freq ='D')按天对数据进行分组。 或者，您可以将频率更改为W，M，Q或Y(每周，每月，每季度或每年)

5. 我们计算每天“转换”的平均值，这将给出当天订单的换算率。

6. 我们使用.roll(60)和.mean()来获得60天的滚动平均值。

7. 然后我们格式化yticklables，使它们显示一个百分号。

各销售代表的转化率：

各个销售代表之间似乎存在很大的差异。 让我们对此进行更多调查。

就所使用的功能而言，这里没有太多新内容。 但是请注意我们如何使用sns.distplot将数据绘制到轴上。

如果我们回顾sales_team数据，我们会记住并非所有的销售代表都拥有相同数量的客户，这肯定会产生影响! 让我们检查。

按分配的帐户数分配的转换率

我们可以看到，转换率数字似乎与分配给销售代表的帐户数量成反比。 那些降低的转化率是有道理的。  毕竟，代表拥有的帐户越多，他可以花在每个人身上的时间就越少。

在这里，我们首先创建一个辅助函数，该函数将垂直线映射到每个子图中，并用数据的均值和标准差注释该线。然后我们设置一些seaborn绘图默认值，例如较大的font_scale和whitegrid设置为样式。

进餐影响：

进餐数据

看来我们已经确定了用餐的日期和时间，让我们快速了解一下时间分布：

invoices['Date of Meal'] = pd.to_datetime(invoices['Date of Meal'])     invoices['Date of Meal'].dt.time.value_counts().sort_index()

out: 07:00:00    5536 08:00:00    5613 09:00:00    5473 12:00:00    5614 13:00:00    5412 14:00:00    5633 20:00:00    5528 21:00:00    5534 22:00:00    5647

总结:

invoices['Type of Meal'] = pd.cut(         invoices['Date of Meal'].dt.hour,         bins=[0,10,15,24],         labels=['breakfast','lunch','dinner']     )

注意，这里我们是如何使用pd.cut为数字数据分配类别的，这很有意义，因为毕竟，早餐是在8点还是9点开始，都没有关系。

另外，请注意我们如何使用.dt.hour，我们只能这样做，因为我们将

invoices['Date of Meal']转换为之前的日期时间。 .dt是所谓的访问器，其中有三个cat，str和dt。  如果您的数据类型正确，则可以使用这些访问器及其方法进行直接操作(计算有效且简洁)。不幸的是，invoices  ['Participants']是一个字符串，我们必须首先将其转换为合法的JSON，以便我们 可以提取参与者的数量。

def replace(x):         return x.replace("\n ",",").replace("' '","','").replace("'",'"')     invoices['Participants'] = invoices['Participants'].apply(lambda x: replace(x))     invoices['Number Participants'] = invoices['Participants'].apply(lambda x: len(json.loads(x)))

现在，我们合并数据。 为此，我们首先将公司ID上的所有发票左连接到order_leads。 但是，合并数据会导致所有餐点都加入所有订单。  也有古老的饭菜，以最近的订单。 为了缓解这种情况，我们计算了进餐和点餐之间的时间差，并且仅考虑订单周围五天的进餐。

仍然有一些订单已分配多餐。 当同时有两个订单和两餐时，可能会发生这种情况。 然后，两餐将分配给两个订单线索。  要删除这些重复项，我们仅使餐点最接近该订单。

组合数据的部分

我创建了一个绘图栏功能，其中已经包含一些样式。 通过该功能进行绘图可以使目视检查更快。 我们将在一秒钟内使用它。

进餐类型的影响：

orders_with_meals['Type of Meal'].fillna('no meal',inplace=True)     _ = orders_with_meals.groupby('Type of Meal').agg({'Converted': np.mean})     plot_bars(_,x_col='Type of Meal',y_col='Converted')

哇! 用餐相关的订单与不用餐相关的订单之间的转换率差异非常大。 不过，看起来午餐的转化率略低于晚餐或早餐。

时间的影响(即进餐之前或之后进餐)：

_ = orders_with_meals.groupby(['Days of meal before order']).agg(     {'Converted': np.mean}     )     plot_bars(data=_,x_col='Days of meal before order',y_col='Converted')

“订购前用餐天数”为负数表示用餐是在订单线索输入之后进行的。我们可以看到，如果膳食在订单线索进入之前发生，则对转化率似乎有积极影响。  订单的先验知识似乎在这里给我们的销售代表带来了优势。

结合所有：

• 现在，我们将使用热图同时可视化数据的多个维度。 为此，首先创建一个辅助函数。

• 然后，我们使用一些最终数据进行争辩，以额外考虑餐食价格与订单价值的关系，并将交货时间分配到“订购前”，“订购前后”，“订购后”，而不是从负4到正4的天数，因为这在解释方面有些繁琐。

运行以下代码片段将产生多维热图。

draw_heatmap(         data=data,         outer_row='Timing of Meal',         outer_col='Type of Meal',         inner_row='Meal Price / Order Value',         inner_col='Number Participants',         values='Converted'     )

热图可在一幅图中可视化四个维度

该热图当然很漂亮，尽管起初有点难读。 因此，让我们来看一下。 图表总结了4个不同维度的影响：

• 用餐时间：订购后，订购前后，订购前(外排)

• 用餐类型：早餐，晚餐，午餐(外栏)

• 餐单价格：最低价格，最低价格，比例价格，最高价格，最高价格(内排)

• 参加人数：1,2,3,4,5(内栏)

当然，图表底部的颜色似乎更深/更高，这表明：

• 在点餐之前用餐时，转化率会更高

• 当只有一名参与者时，晚餐转化率似乎更高

• 与订单价值相比，看起来更昂贵的餐食对转化率有积极影响

结果：

• 销售代表的帐户不要超过9个(转化率会迅速下降)

• 确保每个订单线索都伴随有会议/进餐(因为这会使转换率翻倍当只有一位员工来访时，晚餐最有效

• 您的销售代表应支付的餐费约为订单金额的8%至10%

• 时间是关键，理想情况下，您的销售代表应尽早知道即将达成交易。

单击此处查看代码： GitHub Repo / Jupyter Notebook

备注为热图：

• 要解决可能出现的格式错误，可以先卸载(然后在终端中必须这样做)，然后运行以下命令，将matplotlib降级到3.1.0版：

!pip install matplotlib==3.1.0

到此，关于“如何理解Python数据集与可视化”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！

当前标题：如何理解Python数据集与可视化
文章路径：http://cdxtjz.com/article/gccsdi.html