基于pycharts星巴克门店分布可视化分析

原创

已于 2023-02-04 22:09:05 修改 · 2.3k 阅读

30 ·

CC 4.0 BY-SA版权

文章标签：

#python #数据分析 #信息可视化 #pycharts

于 2023-02-04 21:34:58 首次发布

本文展示了使用Python的pyecharts库进行数据可视化，分析了星巴克门店在全球的分布情况，包括主要集中在美洲，尤其是美国，以及亚洲的日本、韩国和中国沿海地区。文章通过地图热力图和柱状图揭示了门店数量，同时提到了门店所有权的分布情况。

# 导入项目所需的模块
import pandas as pd
from pyecharts.charts import *
from pyecharts import options as opts

# 使用pandas读取数据
df = pd.read_csv('directory.csv') 
df.head()

查看缺失值

df.isnull().sum()

del df['Phone Number']
del df['Postcode']

df.isnull().sum()

删除空值

df.dropna(inplace= True)

地理热力图

从热力图分布来看，星巴克门店主要还是集中于美国，其次在亚洲的日本，韩国，中国沿海地区也有不少分布；
非洲，大洋洲几乎看不到星巴克门店的存在，当然这其中的原因，有的是出于该地区的消费水平考虑，星巴克不愿去开设门店，比如非洲地区，有的是因为当地居民瞧不上星巴克这种“商业咖啡”，比如澳大利亚

#通过`pd.merge()`将数据进行关联，获取门店的所属国家信息；

country_df = pd.read_excel('./abb_country.xlsx')
df_new = pd.merge(df,country_df,left_on='Country',right_on='abb',how = 'left')
# 数据分组计数，计算每个国家的门店数
df_t = df_new.groupby(['Coun'])['Brand'].count().reset_index()
df_t.head()
df_t.columns = ['Coun', '计数']
data_pair =  [i for i in zip(df_t['Coun'],df_t['计数'])]