work

Posted 2023-04-03 广师大王信凯

# 查看数据特征

import numpy as np
import pandas as pd

inputfile = \'C:/Users/admin/Desktop/GoodsOrder.csv\' # 输入的数据文件
data = pd.read_csv(inputfile,encoding = \'gbk\') # 读取数据
data .info() # 查看数据属性

data = data[\'id\']
description = [data.count(),data.min(), data.max()] # 依次计算总数、最小值、最大值
description = pd.DataFrame(description, index = [\'Count\',\'Min\', \'Max\']).T # 将结果存入数据框
print(\'描述性统计结果：\\n\',np.round(description)) # 输出结果

 

 

# 分析热销商品

# 销量排行前10商品的销量及其占比
import pandas as pd
inputfile =\'C:/Users/admin/Desktop/GoodsOrder.csv\' # 输入的数据文件
data = pd.read_csv(inputfile,encoding = \'gbk\') # 读取数据
group = data.groupby([\'Goods\']).count().reset_index() # 对商品进行分类汇总
sorted=group.sort_values(\'id\',ascending=False)
print(\'销量排行前10商品的销量:\\n\', sorted[:10]) # 排序并查看前10位热销商品

# 画条形图展示出销量排行前10商品的销量
import matplotlib.pyplot as plt
x=sorted[:10][\'Goods\']
y=sorted[:10][\'id\']
plt.figure(figsize = (8, 4)) # 设置画布大小
plt.barh(x,y)
plt.rcParams[\'font.sans-serif\'] = \'SimHei\'
plt.xlabel(\'销量\') # 设置x轴标题
plt.ylabel(\'商品类别\') # 设置y轴标题
plt.title(\'商品的销量TOP10(3030)\') # 设置标题
plt.savefig(\'C:/Users/admin/Desktop/top10.png\') # 把图片以.png格式保存
plt.show() # 展示图片

# 销量排行前10商品的销量占比
data_nums = data.shape[0]
for idnex, row in sorted[:10].iterrows():
print(row[\'Goods\'],row[\'id\'],row[\'id\']/data_nums)

 

 

 

 

# 各类别商品的销量及其占比

import pandas as pd
inputfile1 = \'C:/Users/admin/Desktop/GoodsOrder.csv\'
inputfile2 = \'C:/Users/admin/Desktop/GoodsTypes.csv\'
data = pd.read_csv(inputfile1,encoding = \'gbk\')
types = pd.read_csv(inputfile2,encoding = \'gbk\') # 读入数据

group = data.groupby([\'Goods\']).count().reset_index()
sort = group.sort_values(\'id\',ascending = False).reset_index()
data_nums = data.shape[0] # 总量
del sort[\'index\']

sort_links = pd.merge(sort,types) # 合并两个datafreame 根据type
# 根据类别求和，每个商品类别的总量，并排序
sort_link = sort_links.groupby([\'Types\']).sum().reset_index()
sort_link = sort_link.sort_values(\'id\',ascending = False).reset_index()
del sort_link[\'index\'] # 删除“index”列

# 求百分比，然后更换列名，最后输出到文件
sort_link[\'count\'] = sort_link.apply(lambda line: line[\'id\']/data_nums,axis=1)
sort_link.rename(columns = \'count\':\'percent\',inplace = True)
print(\'各类别商品的销量及其占比:\\n\',sort_link)
outfile1 = \'C:/Users/admin/Desktop/percent.csv\'
sort_link.to_csv(outfile1,index = False,header = True,encoding=\'gbk\') # 保存结果

# 画饼图展示每类商品销量占比
import matplotlib.pyplot as plt
data = sort_link[\'percent\']
labels = sort_link[\'Types\']
plt.figure(figsize=(8, 6)) # 设置画布大小
plt.pie(data,labels=labels,autopct=\'%1.2f%%\')
plt.rcParams[\'font.sans-serif\'] = \'SimHei\'
plt.title(\'每类商品销量占比(3030)\') # 设置标题
plt.savefig(\'C:/Users/admin/Desktop/persent.png\') # 把图片以.png格式保存
plt.show()

 

 

 

 

# 非酒精饮料内部商品的销量及其占比

# 先筛选“非酒精饮料”类型的商品，然后求百分比，然后输出结果到文件。
selected = sort_links.loc[sort_links[\'Types\'] == \'非酒精饮料\'] # 挑选商品类别为“非酒精饮料”并排序
child_nums = selected[\'id\'].sum() # 对所有的“非酒精饮料”求和
selected[\'child_percent\'] = selected.apply(lambda line: line[\'id\']/child_nums,axis = 1) # 求百分比
selected.rename(columns = \'id\':\'count\',inplace = True)
print(\'非酒精饮料内部商品的销量及其占比:\\n\',selected)
outfile2 = \'C:/Users/admin/Desktop/child_percent.csv\'
sort_link.to_csv(outfile2,index = False,header = True,encoding=\'gbk\') # 输出结果

# 画饼图展示非酒精饮品内部各商品的销量占比
import matplotlib.pyplot as plt
data = selected[\'child_percent\']
labels = selected[\'Goods\']
plt.figure(figsize = (8,6)) # 设置画布大小
explode = (0.02,0.03,0.04,0.05,0.06,0.07,0.08,0.08,0.3,0.1,0.3) # 设置每一块分割出的间隙大小
plt.pie(data,explode = explode,labels = labels,autopct = \'%1.2f%%\',
pctdistance = 1.1,labeldistance = 1.2)
plt.rcParams[\'font.sans-serif\'] = \'SimHei\'
plt.title("非酒精饮料内部各商品的销量占比(3030)") # 设置标题
plt.axis(\'equal\')
plt.savefig(\'C:/Users/admin/Desktop/child_persent.png\') # 保存图形
plt.show() # 展示图形

 

task job work 区别

除了job可数，work不可数外的区别

参考技术A 直接翻译的话，task=任务，job=工作，work=职业、事业。
一般来说，job和work是可以互换的，但是如果你说一个东西是你的job，也就是说是你挣饭吃的手段，干活而已，但是如果是work，可能表示是你的职业，事业。而task就更好分辨了，一个任务。
另外，找工作，一般说find
a
job，不说work；在上班、在工作说at
work,
不说job。
job可数，work不可数
job是名词，work可以是名词和动词
这是我自己的理解。希望对你能有帮助。