項(xiàng)目介紹

使用pyecharts對(duì)星巴克門店分布進(jìn)行可視化分析：

全球門店分布/擁有星巴克門店最多的10個(gè)國家或地區(qū)；
擁有星巴克門店最多的10個(gè)城市；
門店所有權(quán)占比；
中國地區(qū)門店分布熱點(diǎn)圖。

數(shù)據(jù)背景

該數(shù)據(jù)集來源Kaggle，囊括了截至2017/2月份全球星巴克門店的基礎(chǔ)信息，其中包括品牌名稱、門牌地址、所在國家、經(jīng)緯度等一系列詳細(xì)的信息。

數(shù)據(jù)說明

字段名稱	類型	解釋說明
Brand	Object	品牌名稱，數(shù)據(jù)字典中包含了星巴克旗下的子品牌
Store Number	Object	門店編號(hào)，獨(dú)立且唯一
Store Name	Object	門店名稱，示例：“北京建國門內(nèi)大街店”
Ownership Type	Object	門店所有權(quán)類型，如：Company Owned
Street Address	Object	門店所在的街道地址
City	Object	門店所在的城市名稱
State/Province	Object	門店所在的省份地區(qū)
Country	Object	門店所在的國家或地區(qū)，如：US，代表美國
Postcode	Object	門店所在地址的郵政編碼
Phone Number	Object	門店的聯(lián)系電話
Timezone	Object	門店所在地的時(shí)區(qū)
Longitude	Float64	門店地址的經(jīng)度
Latitude	Float64	門店地址的緯度

可視化

導(dǎo)入包以及數(shù)據(jù)

import pyecharts
import pandas as pd
import warnings
warnings.filterwarnings("ignore")
data = pd.read_csv('directory.csv')
#讀取文件
Country = pd.read_csv('Country.csv')
#用于替換星巴克門店信息中Country字段簡寫
data = pd.merge(data,Country,left_on='Country',right_on='國際域名縮寫',how = 'left')

星巴克門店全球分布

截止數(shù)據(jù)采集時(shí)間，目前星巴克總共在全球73個(gè)國家和地區(qū)設(shè)有門店，合計(jì)25249家。

temp = data.groupby('Countries and Regions')['Brand'].count().reset_index()
temp.columns = ['國家或地區(qū)','計(jì)數(shù)']

Map = pyecharts.Map("世界地圖 - 不帶標(biāo)記點(diǎn)")
Map.add("國家或地區(qū)",temp['國家或地區(qū)'], temp['計(jì)數(shù)'], maptype="world", is_visualmap=True,style='heatmap',
              is_map_symbol_show=False, visual_text_color='#000')
Map

我們可以看見，門店主要還是集中在美洲，亞洲，歐洲，非洲目前只有摩洛哥，埃及和南非設(shè)有門店。
另外有意思的一點(diǎn)，整個(gè)澳大利亞只有22家星巴克門店，難道是澳大利亞人不愛喝咖啡嗎，其實(shí)正好相反，因?yàn)榘拇罄麃喨颂姁劭Х攘耍拇罄麃喨藢?duì)咖啡的講究，就像中國人對(duì)茶的挑剔一樣，對(duì)于星巴克這種過于商業(yè)化的連鎖品牌有些難以生存。
其實(shí)除了澳大利亞其實(shí)還有一個(gè)國家更過分，只是由于面積小不容易被注意到，那就是意大利，一家星巴克也沒有（查了一下新聞，星巴克似乎17年3月在意大利開設(shè)了一家）。

擁有星巴克門店最多的10個(gè)國家或地區(qū)

temp = data.groupby('City')['Brand'].count().reset_index()
temp = temp.nlargest(10,'Brand')
temp.columns = ['城市','計(jì)數(shù)']

bar = pyecharts.Bar("星巴克門店數(shù)量TOP10城市", "來源：kaggle",width=1200,height=600)
bar.add("門店數(shù)量", temp['城市'], temp['計(jì)數(shù)'],mark_point=['max'])
bar

畢竟是美國的品牌，美國星巴克門店數(shù)量還是遠(yuǎn)多于其他國家，其次是我們國家，總計(jì)2734家，目前應(yīng)該更多了。

擁有星巴克門店最多10個(gè)城市

看到上面的統(tǒng)計(jì)，我們可能會(huì)想到擁有星巴克門店最多的城市應(yīng)該是紐約或者洛杉磯這些美國的超級(jí)城市，其實(shí)最后統(tǒng)計(jì)結(jié)果還有點(diǎn)意外。

temp = data.groupby('City')['Brand'].count().reset_index()
temp = temp.nlargest(10,'Brand')
temp.columns = ['城市','計(jì)數(shù)']

bar = pyecharts.Bar("星巴克門店數(shù)量TOP10城市", "來源：kaggle",width=1200,height=600)
#bar.use_theme('vintage')
bar.add("門店數(shù)量", temp['城市'], temp['計(jì)數(shù)'],mark_point=['max'])
bar

排名第一的既不是紐約也不是洛杉磯，而是上海，擁有542家星巴克門店遠(yuǎn)遠(yuǎn)領(lǐng)先其他城市；
第二是首爾，韓國5000W人口擁有近1000家星巴克門店，首爾出現(xiàn)在第二的位置不算意外，第三是北京，第四才是美國的紐約。
第10名西雅圖，是星巴克總部所在地，除了這個(gè)原因，也許西雅圖程序員也貢獻(xiàn)了不少營業(yè)額。

所有權(quán)分布

這個(gè)需要提前解釋一下，目前星巴克門店的經(jīng)營方式氛圍如下4類：

Company Owned：公司獨(dú)資直營，這也是星巴克門店最多的經(jīng)營方式
Licensed:?許可經(jīng)營
Joint Venture:?合資經(jīng)營，比如：國內(nèi)江浙滬地區(qū)的星巴克最早就是由星巴克與統(tǒng)一集團(tuán)聯(lián)手經(jīng)營，17年7月的時(shí)候星巴克已收回所有權(quán)
Franchise：授權(quán)經(jīng)營，類似麥當(dāng)勞的經(jīng)營模式

temp = data.groupby('Ownership Type')['Brand'].count().reset_index()
temp = temp.nlargest(10,'Brand')
temp.columns = ['Ownership Type','計(jì)數(shù)']

chart = pyecharts.Pie("星巴克門店所有權(quán)分布", "來源：kaggle", title_pos='center')
chart.add("占比", temp['Ownership Type'], temp['計(jì)數(shù)'], is_random=True,
              radius=[30, 75], rosetype='radius',
              is_legend_show=False, is_label_show=True)
chart

中國區(qū)分布

我們接下來通過熱點(diǎn)圖看下星巴克門店在中國區(qū)內(nèi)的分布情況；

temp = data[data['Country']=='CN'].groupby('City')['Brand'].count().reset_index()
#防坑，門店信息中城市格式不統(tǒng)一,無法使用pyecharts自帶的經(jīng)緯度，自定義添加門店文件自帶的經(jīng)緯度
position = dict(zip(data['City'].values,data[['Longitude','Latitude']].values.tolist()))
chart = pyecharts.Geo("全國門店分布熱點(diǎn)圖", "來源：Kaggle", title_color="#fff", title_pos="center",
width=800, height=600, background_color='#404a59')
chart.add("", temp['City'], temp['Brand'], visual_range=[0, 80], type='heatmap',
        visual_text_color="#fff", is_visualmap=True,is_legend_show=False,
       geo_cities_coords = position)
chart

毫無意外的最紅的三個(gè)區(qū)域——長三角，珠三角和北京；
中部城市以成都/武漢為首。
TOP20榜單，看看有沒有你所在的城市：

城市	數(shù)量
上海市	542
北京市	234
杭州市	117
深圳市	113
廣州市	106
香港	104
成都市	98
蘇州市	90
南京市	73
武漢市	67
寧波市	59
天津市	58
重慶市	41
無錫市	40
西安市	40
佛山市	33
東莞市	31
廈門市	31
青島市	28
常州市	26

最后

總體來說，星巴克門店主要還是分布在發(fā)達(dá)國家和地區(qū)，當(dāng)然也與不同國家地區(qū)的文化有關(guān)，我們還是不能武斷地因?yàn)槟膫€(gè)城市，哪個(gè)國家星巴克更多就斷定更發(fā)達(dá)。
另外echarts是由百度團(tuán)隊(duì)開發(fā)的JavaScript可視化圖表庫，目前python中可以直接通過pyecharts調(diào)用，除了豐富的圖表還具有傳統(tǒng)圖表不具有的交互性，強(qiáng)烈推薦各位使用。

skr～skr～～～

總結(jié)

以上是生活随笔為你收集整理的pyecharts实现星巴克门店分布可视化分析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。