【Python】星巴克门店数据可视化

拼搏现实的明天。 2023-10-09 18:57 1阅读 0赞

### 【Python】星巴克门店数据可视化 ###

> 数据源下载地址：https://typora-1259159092.cos.ap-nanjing.myqcloud.com/typora/%E6%96%87%E4%BB%B6/data.csv

#### 题目要求 ####

##### 1、有柱形图展示全球星马克数量前十的国家/地区（注：中国的数据必须包括港澳台地区） #####

##### 2、用条形图展示全球星巴克数量前十的城市 #####

##### 3、用柱形图展示中国内地星巴克前十的城市（注：中国内地专指中华人民共和国除港澳台地区外的领土范围） #####

#### 输出结果 ####

![image-20230421192608044][]

![image-20230421192615101][]

![image-20230421192621690][]

#### 源代码 ####

import pandas as pd
    import matplotlib.pyplot as plt
    
    # 正常显示中文标签
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['font.family'] = 'sans-serif'
    
    # 20302211009 何壮壮
    data_all = pd.read_csv('data.csv', encoding='gbk')
    data = data_all
    # 将台湾、澳门、香港地区Country属性修改为‘CN’
    data[(data['Country'] == 'TW')
         | (data['Country'] == 'MO')
         | (data['Country'] == 'HK')] = 'CN'
    
    # 用柱形图展示全球星马克数量前十的国家
    top_ten_country = data.groupby(['Country']).count()["Store Number"].sort_values(ascending=False)[:10]
    top_ten_country.columns = ['国家', '门店数量']
    plt.figure(figsize=(20, 10))
    # 柱形图颜色
    # colors = ['', '', '', '', '', '', '', '', '', '']
    colors = ['#bc80bd', '#d9d9d9', '#fccde5', '#b3de69', '#fdb462', '#80b1d3', '#fb8072', '#bebada', '#ffffb3', '#8dd3c7']
    plt.bar(top_ten_country.index, top_ten_country, color=colors)
    plt.grid(linestyle=':', alpha=0.5, color='#ED556A')
    plt.xlabel(top_ten_country.columns[0], fontsize=25, color='#ff7f00')
    plt.ylabel(top_ten_country.columns[1], fontsize=25, color='#ff7f00')
    plt.xticks(fontsize=20, color='#b2df8a')
    plt.yticks(fontsize=20, color='#b2df8a')
    plt.title('全球星巴克数量前十的国家', fontsize=30, color='#ff7f00')
    # 去掉边框线
    plt.gca().spines[:].set_color('#fff')
    # 显示数据标签
    i = 0
    for a, b in zip(top_ten_country.index, top_ten_country):
        plt.text(a, b, b, ha='center', va='bottom', color=colors[i], fontsize=15)
        i += 1
    plt.show()
    
    # 柱形图展示全球星巴克数量前十的城市
    top_ten_city = data.groupby(['City']).count()["Store Number"].sort_values(ascending=False)[:10]
    top_ten_city.columns = ['门店数量', '城市']
    plt.figure(figsize=(20, 10))
    # 柱形图颜色
    # colors = ['#', '#', '#', '#', '#', '#', '#', '#', '#', '#']
    colors = ['#d53e4f', '#f46d43', '#fdae61', '#fee08b', '#ffffbf', '#e6f598', '#abdda4', '#66c2a5', '#3288bd', '#5e4fa2']
    plt.barh(top_ten_city.index, top_ten_city, color=colors)
    plt.grid(linestyle=':', alpha=0.5, color='#ED556A')
    plt.xlabel(top_ten_city.columns[0], fontsize=25, color='#f46d43')
    plt.ylabel(top_ten_city.columns[1], fontsize=25, color='#f46d43')
    plt.xticks(fontsize=20, color='#f46d43')
    plt.yticks(fontsize=20, color='#f46d43')
    plt.title('全球星巴克数量前十的城市', fontsize=30, color='#f46d43')
    # 设置边框线为白色
    plt.gca().spines[:].set_color('#fff')
    plt.show()
    
    # 用柱形图展示中国内地星巴克前十的城市
    # # 提取中国内地门店数据(去除港澳台地区数据)
    data_cn = data_all[(data_all['Country'] == 'CN')
                       & (data_all['State/Province'] != '71')
                       & (data_all['State/Province'] != '81')
                       & (data_all['State/Province'] != '82')
                       & (data_all['State/Province'] != '83')]
    print(data_cn['State/Province'].unique())
    # # 查询国内前十
    cn_top_ten = data_cn.groupby(['City']).count()["Store Number"].sort_values(ascending=False)[:10]
    cn_top_ten.columns = ['门店数量', '城市']
    plt.figure(figsize=(20, 10))
    # 柱形图颜色
    # colors = ['#', '#', '#', '#', '#', '#', '#', '#', '#', '#']
    colors = ['#67000d', '#80002d', '#a50f15', '#cb181d', '#ef3b2c', '#fb6a4a', '#fc9272', '#fcbba1', '#fee0d2', '#fff5f0']
    plt.bar(cn_top_ten.index, cn_top_ten, color=colors)
    plt.grid(linestyle=':', alpha=0.5, color='#ED556A')
    plt.xlabel(cn_top_ten.columns[0], fontsize=25, color='#f46d43')
    plt.ylabel(cn_top_ten.columns[1], fontsize=25, color='#f46d43')
    plt.xticks(fontsize=20, color='#f46d43')
    plt.yticks(fontsize=20, color='#f46d43')
    plt.title('中国大陆星巴克数量前十的城市', fontsize=30, color='#f46d43')
    # 设置边框线为白色
    plt.gca().spines[:].set_color('#fff')
    # 显示数据标签
    i = 0
    for a, b in zip(cn_top_ten.index, cn_top_ten):
        plt.text(a, b, b, ha='center', va='bottom', color=colors[i], fontsize=15)
        i += 1
    plt.show()

[image-20230421192608044]: https://img-blog.csdnimg.cn/img_convert/28cb8081608d1ebae287319b4a680609.png
[image-20230421192615101]: https://img-blog.csdnimg.cn/img_convert/f55ce2da938b40b619983ebf1d85f2ad.png
[image-20230421192621690]: https://img-blog.csdnimg.cn/img_convert/3dc5616f0b28bf6fab02ee61704a0963.png