如何用Numpy分析各类用户占比(numpy,开发技术)

分析目标

观察上次的数据，数据中有的数据有会员与非会员两种用户类别。
这次我们主要分析一下两种类别用户在数据中占比。

数据读取与数据清洗

根据流程示意图我们主要遵循下面几个步骤：

此处代码为：

#数据读取，数据清洗
defread_clean_data():
clndata_arr_list=[]
fordata_filenameindata_filenames:
file=os.path.join(data_path,data_filename)
data_arr=np.loadtxt(file,skiprows=1,delimiter=',',dtype=bytes).astype(str)
cln_arr=np.core.defchararray.replace(data_arr[:,-1],'"','')
cln_arr=cln_arr.reshape(-1,1)
clndata_arr_list.append(cln_arr)
year_cln_arr=np.concatenate(clndata_arr_list)
returnyear_cln_arr

这里需要注意两点：

• 因为数据较大，我们没有数据文件具体数据量，所以在使用numpy.reshape时我们可以使用numpy.reshape(-1,1)这样numpy可以使用统计后的具体数值替换-1。

• 我们对数据的需求不再是获取时间的平均值，只需获取数据最后一列并使用concatenate方法堆叠到一起以便下一步处理。

数据分析

根据这次的分析目标，我们取出最后一列Member type。

在上一步我们已经获取了全部的数值，在本部只需筛选统计出会员与非会员的数值就可以了。

我们可以先看下完成后的这部分代码：

#数据分析
defmean_data(year_cln_arr):
member=year_cln_arr[year_cln_arr=='Member'].shape[0]
casual=year_cln_arr[year_cln_arr=='Casual'].shape[0]
users=[member,casual]
print(users)
returnusers

同样，这里使用numpy.shape获取用户分类的具体数据。

结果展示

生成的饼图：

下面是生成饼图的代码：

#结果展示
plt.figure()
plt.pie(users,labels=['Member','Casual'],autopct='%.2f%%',shadow=True,explode=(0.05,0))
plt.axis('equal')
plt.tight_layout()
plt.savefig(os.path.join(output_path,'./piechart.png'))
plt.show()