Python Seaborn 数据可视化教程 | 多图展示神器

目录

1. 数据集导入及可视化
   • 1.1 数据集导入
   • 1.2 创建关系图表
   • 1.3 分析客户细分
2. 图表分析和数据观察
   • 2.1 客户细分分析
   • 2.2 订单优先级分析
   • 2.3 运输方式分析
3. 数据交叉分析
   • 3.1 产品类别与客户细分交叉分析
   • 3.2 运输方式与产品类别交叉分析
   • 3.3 运输方式与客户细分交叉分析
4. 数据挖掘与策略制定
   • 4.1 潜在数据模式挖掘
   • 4.2 策略制定与优化
   • 4.3 数据利用案例展示

数据集导入及可视化

1.1 数据集导入

欢迎回来观看下一个视频，在这个视频中，我将展示与 Seabourn 图书馆相关的一些更酷的东西。如果您在关注我之前的 Seabourn 相关视频，这就是我们使用 pandas 导入的数据集，我们创建了一些了不起的图表，这些图表是关系图而不是关系图中的一些事情是，您知道如何使用 facets 分割图表。假设您已经创建了销售与利润的图表，但您希望查看每个产品类别或每个订单优先级，或者每个地区，每个客户细分等，以便更好地理解数据的分布情况。为此，我们可以做的是已经导入了 C-bond 库并将其别名命名为 SNS，我直接使用别名为 s12 cut，并且我们拥有的基本上是销售字段和利润字段。如果您可以看到这里的销售和利润，然后我们之前已经做的是使用数据，这就是海豚的数据。我们已经创建了这样的图表，现在假设我想要为每个客户细分创建此图表，就像三个不同的图表一样，所以这个功能很容易称为等于，然后给它一个名字，即客户细分。这样，您将看到您将有四个不同的图表，您可以单独分析。因此，一个图表是面向小型企业客户、企业和家庭办公室，允许您单独查看数据，但是假设您要创建基本上是两个图表，那么您可以使用一个称为下划线 rap 的参数，这样它就像是二乘二的度量，看起来比以前的图表要漂亮得多。使用称为下划线 rap 的参数会给您这种灵活性，这样您的分析变得更加容易，您可以更轻松地比较这四个图表并从中得出观察结果。所有，一旦我们有了这个，我只是复制这个，然后粘贴在这里，然后假设您还需要一些更多的信息，比如要以订单优先级进行颜色编码。例如，在这里，您可以使用 hue 作为参数并说订单优先级，这样您将为每个图表突出显示订单优先级。如果我继续执行，您将看到图表变得更加美观，订单优先级得到了突出显示，同样，您可以看到运输方式的影响，例如，如果您来自运输部门并且想要了解运输方式对您正在销售的各种类型产品的影响，那么这是运输方式的影响，其中橙色似乎在这种情况下非常占主导地位，这是一个送货卡车，然后是定期航空，然后是快速航空，还提供了信息，即在高价值订单中，使用了哪种运输方式等等，除此之外，如果您想要使分析变得更加复杂，例如，我们在这里有客户细分，这些都是客户细分，但是我们也想看到它通过产品类别交叉作用，那么我们可以做的是让我复制这个并在这里删除，Skol rap，并在这里指定相反的列，即 rho 等于产品类别，然后看看这种影响。现在图表正在创建，正如您所看到的，它花费了一些时间，但现在这是每个产品类别和每个产品细分的图表，所以像产品类别是办公用品，让我扩大一点，以便您可以清楚地看到，也许进一步。是的，客户细分，让我挤一下，是的，我希望这是可见的，但在这里写的是客户细分、产品类别办公用品和客户细分小企业，因此为每个产品类别和每个客户细分创建了一个图表，以查看不同类型的运输方式，因此这使得您可以深入了解数据，如果您在这里看一下，就会发现办公用品和文具受到三种交付类型的影响，这是有道理的，在这种情况下，如果您看到定期航空，则似乎与送货卡车保持一致，在比较中，定期航空和送货卡车都在使用，产品基本上是技术产品，而在这里，对我来说