字幕組雙語原文： Python 數(shù)據(jù)集探索與可視化實(shí)例指南

英語原文： Explore and Visualize a Dataset with Python

翻譯：AI研習(xí)社（ Suen ）

---

在今天的文章中，您將學(xué)習(xí)：

• 如何合并和整理數(shù)據(jù)，

• 如何探索和分析數(shù)據(jù)，

• 如何創(chuàng)建漂亮的圖形以可視化您的發(fā)現(xiàn)

本文適用于誰：

• 經(jīng)常處理數(shù)據(jù)的人

• 對(duì)Python和Pandas有基本了解的人

情景再現(xiàn)：?

你的任務(wù)是提高銷售團(tuán)隊(duì)的績效。在我們假設(shè)的情況下，潛在客戶有相當(dāng)自發(fā)的需求。當(dāng)這種情況發(fā)生時(shí)，您的銷售團(tuán)隊(duì)會(huì)在系統(tǒng)中放置一個(gè)訂單線索。然后，您的銷售代表會(huì)設(shè)法安排一次會(huì)議，會(huì)議將在訂單線索被注意到的時(shí)候舉行。有時(shí)在前，有時(shí)在后。你的銷售代表有一個(gè)把會(huì)議和餐費(fèi)結(jié)合起來的開支預(yù)算。銷售代表花費(fèi)他們的成本，并將發(fā)票交給會(huì)計(jì)團(tuán)隊(duì)處理。在潛在客戶決定是否接受您的報(bào)價(jià)后，銷售代表會(huì)跟蹤訂單線索是否轉(zhuǎn)化為銷售。?

?對(duì)于分析，您可以訪問以下三個(gè)數(shù)據(jù)源：?

• ?訂單線索（包含所有訂單線索和轉(zhuǎn)換信息）?

• ?銷售團(tuán)隊(duì)（包括公司和負(fù)責(zé)的銷售代表）?

• ?發(fā)票（提供發(fā)票和參與者的信息）

導(dǎo)入和安裝：

需要安裝標(biāo)準(zhǔn)庫，此外，通過使用以下命令,在你的Notebook上安裝seaborn.

!pip?install?seaborn

下載數(shù)據(jù)：

您可以按照上周的說明下載并合并數(shù)據(jù)，也可以從此處下載文件并將其加載到Notebook中。

??

?sales_team 數(shù)據(jù)表的前兩行

order_leads數(shù)據(jù)表的前兩行

??

invoices數(shù)據(jù)表的前兩行

開始探索

總轉(zhuǎn)化率發(fā)展：

? 轉(zhuǎn)化率隨時(shí)間的變化?

?事情似乎在2017年初走下坡路。經(jīng)過與首席銷售官核實(shí)，發(fā)現(xiàn)大約在那個(gè)時(shí)候有一個(gè)競爭對(duì)手進(jìn)入了這個(gè)市場。很高興知道，但我們現(xiàn)在無能為力。

_?=?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()

1. 我們使用下劃線_作為臨時(shí)變量。對(duì)于以后不再使用的一次性變量，我通常會(huì)這樣做。?

2. ?我們在order_leads.Date上使用了pd.DateTimeIndex并將結(jié)果設(shè)置為索引，這使我們能夠

3. 使用pd.Grouped（freq ='D'）按天對(duì)數(shù)據(jù)進(jìn)行分組。 或者，您可以將頻率更改為W，M，Q或Y（每周，每月，每季度或每年） ?

4. 我們計(jì)算每天“轉(zhuǎn)換”的平均值，這將給出當(dāng)天訂單的換算率。?

5. 我們使用.roll（60）和.mean（）來獲得60天的滾動(dòng)平均值。?

6. 然后我們格式化yticklables，使它們顯示一個(gè)百分號(hào)。

各銷售代表的轉(zhuǎn)化率：

各個(gè)銷售代表之間似乎存在很大的差異。 讓我們對(duì)此進(jìn)行更多調(diào)查。

就所使用的功能而言，這里沒有太多新內(nèi)容。 但是請(qǐng)注意我們?nèi)绾问褂胹ns.distplot將數(shù)據(jù)繪制到軸上。

如果我們回顧sales_team數(shù)據(jù)，我們會(huì)記住并非所有的銷售代表都擁有相同數(shù)量的客戶，這肯定會(huì)產(chǎn)生影響！ 讓我們檢查。

按分配的帳戶數(shù)分配的轉(zhuǎn)換率

我們可以看到，轉(zhuǎn)換率數(shù)字似乎與分配給銷售代表的帳戶數(shù)量成反比。 那些降低的轉(zhuǎn)化率是有道理的。 畢竟，代表擁有的帳戶越多，他可以花在每個(gè)人身上的時(shí)間就越少。

在這里，我們首先創(chuàng)建一個(gè)輔助函數(shù)，該函數(shù)將垂直線映射到每個(gè)子圖中，并用數(shù)據(jù)的均值和標(biāo)準(zhǔn)差注釋該線。 然后我們設(shè)置一些seaborn繪圖默認(rèn)值，例如較大的 font_scale 和whitegrid設(shè)置為樣式。

進(jìn)餐影響：

進(jìn)餐數(shù)據(jù)

看來我們已經(jīng)確定了用餐的日期和時(shí)間，讓我們快速了解一下時(shí)間分布：

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

總結(jié):

invoices['Type?of?Meal']?=?pd.cut(???? ????invoices['Date?of?Meal'].dt.hour,???? ????bins=[0,10,15,24],???? ????labels=['breakfast','lunch','dinner']???? )

注意，這里我們是如何使用pd.cut為數(shù)字?jǐn)?shù)據(jù)分配類別的，這很有意義，因?yàn)楫吘梗绮褪窃?點(diǎn)還是9點(diǎn)開始，都沒有關(guān)系。

另外，請(qǐng)注意我們?nèi)绾问褂?dt.hour，我們只能這樣做，因?yàn)槲覀儗?/span>

invoices['Date of Meal'] 轉(zhuǎn)換為之前的日期時(shí)間。 .dt是所謂的訪問器，其中有三個(gè)cat，str和dt。 如果您的數(shù)據(jù)類型正確，則可以使用這些訪問器及其方法進(jìn)行直接操作（計(jì)算有效且簡潔）。不幸的是，invoices ['Participants']是一個(gè)字符串，我們必須首先將其轉(zhuǎn)換為合法的JSON，以便我們 可以提取參與者的數(shù)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)))

現(xiàn)在，我們合并數(shù)據(jù)。 為此，我們首先將公司ID上的所有發(fā)票左連接到order_leads。 但是，合并數(shù)據(jù)會(huì)導(dǎo)致所有餐點(diǎn)都加入所有訂單。 也有古老的飯菜，以最近的訂單。 為了緩解這種情況，我們計(jì)算了進(jìn)餐和點(diǎn)餐之間的時(shí)間差，并且僅考慮訂單周圍五天的進(jìn)餐。

仍然有一些訂單已分配多餐。 當(dāng)同時(shí)有兩個(gè)訂單和兩餐時(shí)，可能會(huì)發(fā)生這種情況。 然后，兩餐將分配給兩個(gè)訂單線索。 要?jiǎng)h除這些重復(fù)項(xiàng)，我們僅使餐點(diǎn)最接近該訂單。

?? 組合數(shù)據(jù)的部分

我創(chuàng)建了一個(gè)繪圖欄功能，其中已經(jīng)包含一些樣式。 通過該功能進(jìn)行繪圖可以使目視檢查更快。 我們將在一秒鐘內(nèi)使用它。

進(jìn)餐類型的影響：

orders_with_meals['Type?of?Meal'].fillna('no?meal',inplace=True)???? _?=?orders_with_meals.groupby('Type?of?Meal').agg({'Converted':?np.mean})???? plot_bars(_,x_col='Type?of?Meal',y_col='Converted')

哇！ 用餐相關(guān)的訂單與不用餐相關(guān)的訂單之間的轉(zhuǎn)換率差異非常大。 不過，看起來午餐的轉(zhuǎn)化率略低于晚餐或早餐。?

時(shí)間的影響（即進(jìn)餐之前或之后進(jìn)餐）：

_?=?orders_with_meals.groupby(['Days?of?meal?before?order']).agg(???? {'Converted':?np.mean}???? )???? plot_bars(data=_,x_col='Days?of?meal?before?order',y_col='Converted')

“訂購前用餐天數(shù)”為負(fù)數(shù)表示用餐是在訂單線索輸入之后進(jìn)行的。我們可以看到，如果膳食在訂單線索進(jìn)入之前發(fā)生，則對(duì)轉(zhuǎn)化率似乎有積極影響。 訂單的先驗(yàn)知識(shí)似乎在這里給我們的銷售代表帶來了優(yōu)勢。?

結(jié)合所有：

現(xiàn)在，我們將使用熱圖同時(shí)可視化數(shù)據(jù)的多個(gè)維度。 為此，首先創(chuàng)建一個(gè)輔助函數(shù)。

然后，我們使用一些最終數(shù)據(jù)進(jìn)行爭辯，以額外考慮餐食價(jià)格與訂單價(jià)值的關(guān)系，并將交貨時(shí)間分配到“訂購前”，“訂購前后”，“訂購后”，而不是從負(fù)4到正4的天數(shù)，因?yàn)檫@在解釋方面有些繁瑣。

運(yùn)行以下代碼片段將產(chǎn)生多維熱圖。

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'???? )

熱圖可在一幅圖中可視化四個(gè)維度

該熱圖當(dāng)然很漂亮，盡管起初有點(diǎn)難讀。 因此，讓我們來看一下。 圖表總結(jié)了4個(gè)不同維度的影響：

• 用餐時(shí)間：訂購后，訂購前后，訂購前（外排）

• 用餐類型：早餐，晚餐，午餐（外欄）

• 餐單價(jià)格：最低價(jià)格，最低價(jià)格，比例價(jià)格，最高價(jià)格，最高價(jià)格（內(nèi)排）

• 參加人數(shù)：1,2,3,4,5（內(nèi)欄）

當(dāng)然，圖表底部的顏色似乎更深/更高，這表明：

• 在點(diǎn)餐之前用餐時(shí)，轉(zhuǎn)化率會(huì)更高

• 當(dāng)只有一名參與者時(shí)，晚餐轉(zhuǎn)化率似乎更高

• 與訂單價(jià)值相比，看起來更昂貴的餐食對(duì)轉(zhuǎn)化率有積極影響?

結(jié)果：

1. 銷售代表的帳戶不要超過9個(gè)（轉(zhuǎn)化率會(huì)迅速下降）

2. 確保每個(gè)訂單線索都伴隨有會(huì)議/進(jìn)餐（因?yàn)檫@會(huì)使轉(zhuǎn)換率翻倍當(dāng)只有一位員工來訪時(shí)，晚餐最有效

3. 您的銷售代表應(yīng)支付的餐費(fèi)約為訂單金額的8％至10％

4. 時(shí)間是關(guān)鍵，理想情況下，您的銷售代表應(yīng)盡早知道即將達(dá)成交易。

單擊此處查看代碼： ? GitHub Repo / Jupyter Notebook

備注為熱圖 ：

要解決可能出現(xiàn)的格式錯(cuò)誤，可以先卸載（然后在終端中必須這樣做），然后運(yùn)行以下命令，將matplotlib降級(jí)到3.1.0版：

!pip?install?matplotlib==3.1.0

---

雷鋒字幕組是一個(gè)由AI愛好者組成的翻譯團(tuán)隊(duì)，匯聚五五多位志愿者的力量，分享最新的海外AI資訊，交流關(guān)于人工智能技術(shù)領(lǐng)域的行業(yè)轉(zhuǎn)變與技術(shù)創(chuàng)新的見解。

團(tuán)隊(duì)成員有大數(shù)據(jù)專家，算法工程師，圖像處理工程師，產(chǎn)品經(jīng)理，產(chǎn)品運(yùn)營，IT咨詢?nèi)耍谛熒恢驹刚邆儊碜訧BM，AVL，Adobe，阿里，百度等知名企業(yè)，北大，清華，港大，中科院，南卡羅萊納大學(xué)，早稻田大學(xué)等海內(nèi)外高校研究所。

如果，你也是位熱愛分享的AI愛好者。歡迎與雷鋒字幕組一起，學(xué)習(xí)新知，分享成長。

雷鋒網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見。