【分析篇】：python 基本数据统计和绘制箱线图

数据源：catering_sale.xls

Paste_Image.png

A.餐饮销量数据统计量分析，一个数据得基本统计量

Paste_Image.png

import pandas as pd

catering_sale = 'F:/python 数据挖掘分析实战/Data/catering_sale.xls' #餐饮数据
data = pd.read_excel(catering_sale, index_col = u'日期') #读取数据，指定“日期”列为索引列
data = data[(data[u'销量'] > 400)&(data[u'销量'] < 5000)] #过滤异常数据
statistics = data.describe() #保存基本统计量，将常见的统计信息保存为数据框
#添加行标签
statistics.loc['range'] = statistics.loc['max']-statistics.loc['min'] #极差
statistics.loc['var'] = statistics.loc['std']/statistics.loc['mean'] #变异系数
statistics.loc['dis'] = statistics.loc['75%']-statistics.loc['25%'] #四分位数间距

print(statistics)

B.餐饮销售额数异常检测代码--箱线图

Paste_Image.png

import pandas as pd
catering_sale = 'F:/python 数据挖掘分析实战/Data/catering_sale.xls' #餐饮数据
data = pd.read_excel(catering_sale, index_col = u'日期') #读取数据，指定“日期”列为索引列 

data.head()
import matplotlib.pyplot as plt #导入图像库
plt.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

plt.figure(figsize=(10,10)) #建立图像
plt.title("箱线图")
p = data.boxplot() #画箱线图，直接使用DataFrame的方法
x = p['fliers'][0].get_xdata() # 'flies'即为异常值的标签
y = p['fliers'][0].get_ydata() # 异常值的Y标签
y.sort() #从小到大排序，该方法直接改变原对象

#用annotate添加注释
#annotate参数说明：
    # xy = (2, 1) ：所要标注的位置坐标
    # xytext：标注文本所在位置
    # y[i]：标注文本，可以随意替换
#其中有些相近的点，注解会出现重叠，难以看清，需要一些技巧来控制。
#以下参数都是经过调试的，需要具体问题具体调试。
for i in range(len(x)): 
  if i>0:
    plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.05 -0.8/(y[i]-y[i-1]),y[i]))
  else:
    plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.08,y[i]))
plt.show() #展示箱线图

参考资料：《Python数据分析与挖掘实战》