邮小秘邮编批注用量分析

#!/usr/bin/env python
# coding: utf-8

# In[1]:


from pandas import Series,DataFrame
import pandas as pd

import matplotlib as mpl
import matplotlib.pyplot as plt #导入matplotlib库
get_ipython().run_line_magic('matplotlib', 'inline')


# In[2]:


df=pd.read_csv(r'D:\python数据分析\usagelog.csv',usecols=['date','times'])
#df


# In[3]:


df=pd.read_csv(r'D:\python数据分析\usagelog.csv')
df


# In[4]:


df_usetimes=df.loc[:,['date','userid','times']] #提取日期、用户ID和次数3列，所有行
#df_usetimes


# In[5]:


df_usetimes2018=df_usetimes[(df_usetimes['date']>=20180101) & (df_usetimes['date']<=20181231)   ].sort_values(by='date') #提取2018年的数据


# In[6]:


def getmonth(d):
    return(int(d/100)%100 )
df_usetimes2018['date']=df_usetimes2018['date'].map(getmonth)
df_usetimes2018


# In[15]:


df_usetimes2018.groupby(by=['date']).sum().cumsum()  #按月汇总统计累计用量


# In[12]:


df_usetimes2018.groupby(by='date').sum().cumsum().plot() #2018年邮小秘累计邮编批注量折线图


# In[19]:


df_usetimes2018.groupby(by=['date']).sum()  #按月汇总统计使用量


# In[22]:


df_usetimes2018.groupby(by=['date']).sum().plot(kind='bar') #2018年邮小秘各用户累计邮编批注量柱状图


# In[9]:


def weekdayname_to_weekdaynumbe(dayname):
    if dayname == '星期一':
        return('1')
    elif dayname == '星期二':
        return('2')
    elif dayname == '星期三':
        return('3')
    elif dayname == '星期四':
        return('4')
    elif dayname == '星期五':
        return('5')
    elif dayname == '星期六':
        return('6')
    elif dayname == '星期日':
        return('7')
    else:
        return('')
df['day']=df['day'].map(weekdayname_to_weekdaynumbe)
df


# In[10]:


df.sort_values(by=['day','date']) #按照星期、日期先后排序
df.describe()


# In[44]:


df.loc[:,['day','times']].groupby(by='day').sum().plot.pie( subplots=True,figsize=(6,6),autopct='%.2f')


# In[ ]:

image.png image.png image.png image.png