关于星巴克门店的统计数据python 星巴克数据分析图表

我们留的作业。

作业：本实训针对一组关于全球星巴克门店的统计数据，分析在不同国家和地区以及中国不同城市的星巴克门店的数量。

获取数据
打印出星巴克旗下有多少个品牌
打印出全世界一共有多少个国家开设了星巴克门店，显示门店数量排名前10和后10的国家。
用柱状图绘制排名前10的分布情况，横坐标有国家名，纵坐标为数量。
显示拥有星巴克门店数量排名前10的城市。
绘制星巴克门店数前10的城市分布柱状图，横坐标有城市名，纵坐标为数量。
按照星巴克门店在中国的分布情况，统计排名前10的城市。
绘制柱状图，横坐标有城市名，纵坐标为数量。
用饼状图显示星巴克门店的经营方式有几种。（ownership）
源文件保存至桌面吧

源代码在后面。

1.获取数据

 

结果：

 

2.打印出星巴克旗下有多少个品牌

 

结果：

3.打印出全世界一共有多少个国家开设了星巴克门店，显示门店数量排名前10和后10的国家     结果：

 4. 用柱状图绘制排名前10的分布情况，横坐标有国家名，纵坐标为数量。

结果：

 

  5、显示拥有星巴克门店数量排名前10的城市。

 

结果：

 

 6.绘制星巴克门店数前10的城市分布柱状图，横坐标有城市名，纵坐标为数量。

结果：

 

7.按照星巴克门店在中国的分布情况，统计排名前10的城市。

 

结果：

 

8.绘制柱状图，横坐标有城市名，纵坐标为数量。

 

结果 ：

    9、用饼状图显示星巴克门店的经营方式有几种。（ownership）

 结果：

源文件：

1.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

shuju=pd.read_csv('directory.csv')
print(shuju)

2.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

shuju=pd.read_csv('directory.csv')
A=shuju['Brand'].value_counts()
print("星巴克旗下品牌有：\n%s"%A)

3.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

shuju=pd.read_csv('directory.csv')
B=len(shuju['Country'].unique())
print("全世界一共有%d个国家开设了星巴克门店。"%B)
C=shuju['Country'].value_counts()
print("排名前十的国家和数量为：\n%s"%C[:10])
print("排名后十的国家和数量为：\n%s"%C[-10:])

4.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams["font.family"]=['SimHei']
plt.rcParams['axes.unicode_minus']=False
shuju=pd.read_csv('directory.csv')
C=shuju['Country'].value_counts()
plt.figure(figsize=(10,5))
keduxian = list(C[:10].index)
a="国家"
b="数量"
c="星巴克门店数量排名前10的国家"
plt.xlabel(a)
plt.ylabel(b)
plt.title(c)
plt.bar([i for i in keduxian], C[:10])
plt.show()

5.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

shuju=pd.read_csv('directory.csv')
D= shuju['City'].value_counts()
print(D[:10])

6.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

plt.rcParams["font.family"]=['SimHei']
plt.rcParams['axes.unicode_minus']=False
shuju=pd.read_csv('directory.csv')
D= shuju['City'].value_counts()
plt.figure(figsize=(10,5))
keduxian1 = list(D[:10].index)
d="城市"
e="数量"
f="星巴克门店数前10的城市"
plt.xlabel(d)
plt.ylabel(e)
plt.title(f)
plt.bar([i for i in keduxian1], D[:10])
plt.show()

7.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
shuju=pd.read_csv('directory.csv')
china = shuju[shuju['Country'] == 'CN'] 
chinacity=china['City'].value_counts()
print("排名前十的中国城市和数量为：\n%s"%chinacity[:10])


8.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams["font.family"]=['SimHei']
plt.rcParams['axes.unicode_minus']=False
shuju=pd.read_csv('directory.csv')
china = shuju[shuju['Country'] == 'CN'] 
chinacity=china['City'].value_counts()
plt.figure(figsize=(10,5))
keduxian2 = list(chinacity[:10].index)
plt.xlabel('城市')
plt.ylabel('门店数量')
plt.title('中国星巴克门店数量排名前10的城市')
plt.bar([i for i in keduxian2], chinacity[:10])
plt.show()


9.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams["font.family"]=['SimHei']
plt.rcParams['axes.unicode_minus']=False
shuju=pd.read_csv('directory.csv')
F=shuju['Ownership Type'].value_counts()
plt.figure(figsize=(10,7))
plt.pie(F,labels=F.index)
plt.title("星巴克门店的经营方式")
plt.show()

 

自己也是新手，英语不好，名称定义中文拼音。