自行车业务分析 1.1

一、自行车整体销售表现

1.1、从数据库读取源数据：dw_customer_order

作业 1.1.1、从Mysql读取dw_customer_order，形成DataFrame格式，赋予变量gather_customer_order，注意Mysql账号是有adventure_ods权限

#读取源数据。不同城市，每天产品销售信息

#创建数据库引擎

engine = create_engine("mysql://frogdata001:Frogdata!123@106.13.128.83:3306/adventure_ods?charset=utf8")

gather_customer_order=pd.read_sql_query('select * from dw_customer_order',con=engine)

#设定对应数据库的引擎，然后引用引擎

#查看源数据前5行，观察数据，判断数据是否正常识别

gather_customer_order.head()

作业 1.1.2、查看源数据类型：dw_customer_order

gather_customer_order.info()

作业 1.1.3、利用create_date字段增加create_year_month月份字段

#查看数据类型

gather_customer_order['create_date'][0]

#增加create_year_month月份字段。按月维度分析时使用

gather_customer_order['create_year_month']=gather_customer_order.create_date.apply(lambda x:x.strftime('%Y-%m'))

gather_customer_order['create_year_month'].head()

#注意strftime用法

#关于时间与字符串的相互转换：https://www.cnblogs.com/strivepy/p/10436213.html

https://www.csdn.net/gather_2c/MtjaMg5sNTM0LWJsb2cO0O0O.html

作业 1.1.4、筛选产品类型cplb_zw中的自行车作为新的gather_customer_order，目前存在如图情况，你需要剔除掉其余2个

#筛选产品类别为自行车的数据

gather_customer_order = gather_customer_order[gather_customer_order['cplb_zw']=='自行车']

gather_customer_order.head()