Python 数据集探索与可视化实例指南
在今天的数据索可视化实例文章中，您将学习：
如何合并和整理数据，集探 如何探索和分析数据，指南 如何创建漂亮的数据索可视化实例图形以可视化您的发现本文适用于谁：
经常处理数据的人 对Python和Pandas有基本了解的人情景再现：
你的任务是提高销售团队的绩效。在我们假设的集探情况下，潜在客户有相当自发的指南需求。当这种情况发生时，数据索可视化实例您的集探销售团队会在系统中放置一个订单线索。然后，指南您的数据索可视化实例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集探时候举行。有时在前，指南有时在后。数据索可视化实例你的集探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指南成本，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站群服务器报价后，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。
开始探索
总转化率发展：
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() 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。 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 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) 我们计算每天“转换”的服务器租用平均值，这将给出当天订单的换算率。 我们使用.roll(60)和.mean()来获得60天的滚动平均值。 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。
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，云南idc服务商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：
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。
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：
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)：
“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 )
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本文转自雷锋网，如需转载请至雷锋网官网申请授权。