Python数据分析综合实战：酒店、物流、医院与短视频平台数据处理详解

学习通转掘金
42 阅读7分钟

题目1：酒店入住数据分析

代码

python
 体验AI代码助手
 代码解读
复制代码
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv("酒店入住数据.csv")
df['入住日期'] = pd.to_datetime(df['入住日期'])
df['离店日期'] = pd.to_datetime(df['离店日期'])

# 计算入住天数和订单总费用
df['入住天数'] = (df['离店日期'] - df['入住日期']).dt.days
df['订单总费用'] = df['日房价 (元)'] * df['入住天数'] + df['额外消费 (元)']

# 按月统计
df['月份'] = df['入住日期'].dt.month
month_states = df.groupby('月份').agg({
    '入住订单号':'count',
    '入住人数':'mean'
}).rename(columns={"入住订单号":"订单量", "入住人数":"平均入住人数"})

# 费用分位数
quantiles = df['订单总费用'].quantile([0.25, 0.5, 0.75])

# 入住人数分组
def group_people(num):
    if num == 1:
        return '1人'
    elif num == 2:
        return '2人'
    else:
        return '3人及以上'

df['入住人数分组'] = df['入住人数'].apply(group_people)

states = df.groupby('入住人数分组').agg({
    "入住订单号":"count",
    "订单总费用":"mean"
}).rename(columns={"入住订单号":"订单数", "订单总费用":"平均总费用"})

# 可视化
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.bar(states.index, states["订单数"])
plt.title("订单数")
plt.show()

plt.bar(states.index, states["平均总费用"])
plt.title("平均总费用")
plt.show()

# 保存套房订单
new_df = df[df["房型"] == '套房']
new_df.to_csv("套房入住订单.csv", index=False)

结果展示

01.png

代码分析

  • 使用pd.to_datetime转换日期格式，便于计算天数差
  • 入住天数计算采用.dt.days提取整数天数
  • 按月分组统计使用groupby与agg聚合函数，分别计数与求均值
  • 四分位数计算使用quantile方法，中位数直接使用median
  • 入住人数分组通过自定义函数映射实现，逻辑清晰
  • 可视化采用Matplotlib柱状图，支持中文显示
  • 数据筛选使用布尔索引，导出时去除索引

题目2：物流配送数据分析

代码

python
 体验AI代码助手
 代码解读
复制代码
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("物流配送数据.csv")
df['发货时间'] = pd.to_datetime(df['发货时间'])
df['签收时间'] = pd.to_datetime(df['签收时间'])

# 计算总费用与耗时
df['配送总费用'] = df['基础配送费 (元)'] + df['超重费 (元)']
df['配送耗时'] = (df['签收时间'] - df['发货时间']).dt.total_seconds() / 3600

# 按日统计
df['发货月份'] = df['发货时间'].dt.month
df['发货天数'] = df['发货时间'].dt.day
df_states = df.groupby(['发货月份', '发货天数']).agg(
    配送订单量=('运单号', 'count'),
    平均配送距离=('配送距离 (km)', 'mean')
).reset_index()

# 耗时统计
df_data = df['配送耗时'].agg(['max', 'min', 'mean', 'std'])
df_data['变异系数'] = df_data['std'] / df_data['mean']

# 距离分组
def group_distance(dis):
    if 0 < dis <=10:
        return &#34;0-10km&#34;
    elif 10 < dis <=20:
        return &#34;10-20km&#34;
    else:
        return &#34;20km+&#34;

df['配送距离分组'] = df['配送距离 (km)'].apply(group_distance)

df['准时签收标签'] = df['是否准时签收'].map({'是':1, '否':0})
states = df.groupby('配送距离分组').agg(
    准时签收率=('准时签收标签', 'mean'),
    平均总配送费=('配送总费用', 'mean')
).reset_index()

# 可视化
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.bar(states['配送距离分组'], states['准时签收率'])
plt.title(&#34;准时签收率&#34;)
plt.show()

plt.bar(states['配送距离分组'], states['平均总配送费'])
plt.title(&#34;平均总配送费&#34;)
plt.show()

# 保存超时订单
new_df = df[df['配送耗时']> 24]
new_df.to_csv(&#34;超时配送订单.csv&#34;)

结果展示

02.png

代码分析

  • 耗时计算使用total_seconds转换为小时，精度更高
  • 按月日双重分组使用groupby多列，便于多维分析
  • 变异系数手动计算，反映数据离散程度
  • 距离分组使用自定义函数，逻辑分层明确
  • 准时签收列通过映射转为数值，便于计算均值作为比例
  • 超时订单筛选条件为耗时>24小时，直接导出CSV

题目3：医院门诊数据分析

代码

python
 体验AI代码助手
 代码解读
复制代码
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv(&#34;医院门诊数据.csv&#34;)

# 高费用判断
df['是否高费用'] = np.where((df['诊疗费用 (元)'] + df['药品费用 (元)']) >= 500, '是', '否')

# 年龄分组
def group_age(age):
    if 0 <= age <= 18:
        return &#34;0-18&#34;
    elif 19 <= age <= 40:
        return &#34;19-40&#34;
    elif 41 <= age <= 60:
        return &#34;41-60&#34;
    else:
        return &#34;60+&#34;

df['年龄分组'] = df['患者年龄'].apply(group_age)

high_states = df.groupby(['科室', '年龄分组']).agg(
    总就诊数=(&#34;就诊编号&#34;, 'count'),
    高费用就诊数=(&#34;是否高费用&#34;, lambda x:(x==&#34;是&#34;).sum())
).reset_index()
high_states['高费用就诊比例'] = high_states['高费用就诊数'] / high_states['总就诊数']

# 相关系数
corr = df['诊疗费用 (元)'].corr(df['药品费用 (元)'])

# 医保分组统计
states = df.groupby('是否医保报销').agg(
    诊疗费用均值=(&#34;诊疗费用 (元)&#34;, 'mean'),
    诊疗费用方差=(&#34;诊疗费用 (元)&#34;, 'var'),
    药品费用均值=(&#34;药品费用 (元)&#34;, 'mean'),
    药品费用方差=(&#34;药品费用 (元)&#34;, 'var')
)

# 科室平均总费用柱状图
df['总费用'] = df['诊疗费用 (元)'] + df['药品费用 (元)']
df_sales = df.groupby(&#34;科室&#34;)['总费用'].sum()

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.bar(df_sales.index, df_sales)
plt.show()

结果展示

03.png

代码分析

  • 高费用判断使用np.where向量化操作，效率高
  • 年龄分组函数覆盖全年龄段，分类合理
  • 高费用比例计算使用自定义聚合函数lambda，统计“是”的数量
  • 相关系数使用corr方法，衡量两个数值变量的线性关系
  • 医保分组聚合一次性计算多个统计量，代码简洁
  • 总费用柱状图展示科室费用分布，直观反映业务量差异

题目4：短视频平台用户行为数据分析

代码

python
 体验AI代码助手
 代码解读
复制代码
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv(&#34;短视频行为数据.csv&#34;)
df['观看日期'] = pd.to_datetime(df['观看日期'])

# 按视频类型分组统计
df_states = df.groupby('视频类型').agg(
    平均观看时长=('观看时长 (秒)', 'mean'),
    平均点赞数=('点赞数', 'mean'),
    活跃用户数=('用户ID', 'nunique')
).reset_index()

# 按月统计总观看时长（小时）
df['月份'] = df['观看日期'].dt.month
hour_month = df.groupby('月份')['观看时长 (秒)'].sum() / 3600

plt.plot(hour_month.index, hour_month)
plt.show()

# 相关系数
corr = df['观看时长 (秒)'].corr(df['点赞数'])
print(corr)

# 高分享记录筛选保存
new_df = df[df['分享数']>=10]
new_df.to_csv(&#34;高分享视频记录.csv&#34;)

结果展示

04.png

代码分析

  • 使用nunique统计去重用户数，反映真实活跃度
  • 观看时长转换为小时，更符合业务理解
  • 折线图适合展示时间趋势，直观反映月度变化
  • 相关系数再次验证用户行为指标间的关联性
  • 高分享筛选使用简单条件，导出为独立文件便于后续分析

总结

本文通过四个典型业务场景的数据分析任务，系统展示了Python在数据处理全流程中的应用能力：

  1. 数据清洗与转换：日期格式处理、类型转换、缺失值处理（未展示但常用）

  2. 指标计算：自定义列计算、分组统计、聚合函数使用

  3. 数据分组与透视：单层/多层分组、条件筛选、数据透视

  4. 统计描述：分位数、均值、方差、相关系数、比例计算

  5. 数据可视化：柱状图、折线图，支持中文标签

  6. 数据输出：CSV导出、条件筛选保存

avatar
文章
阅读
粉丝