from pandas import Series,DataFrame

import pandas as pd

import matplotlib as mpl

import matplotlib.pyplot as plt #导入matplotlib库

get_ipython().run_line_magic('matplotlib', 'inline')

df=pd.read_csv(r'D:\python数据分析\usagelog.csv')

df_usetimes=df.loc[:,['date','userid','times']] #提取日期、用户ID和次数3列，所有行

df_usetimes2018=df_usetimes[(df_usetimes['date']>=20180101) & (df_usetimes['date']<=20181231) ].sort_values(by='date') #提取2018年的数据

def getmonth(d):

return(int(d/100)%100 )

df_usetimes2018['date']=df_usetimes2018['date'].map(getmonth)

def weekdayname_to_weekdaynumbe(dayname):

if dayname == '星期一':

return('1')

elif dayname == '星期二':

return('2')

elif dayname == '星期三':

return('3')

elif dayname == '星期四':

return('4')

elif dayname == '星期五':

return('5')

elif dayname == '星期六':

return('6')

elif dayname == '星期日':

return('7')

else:

return('')

df['day']=df['day'].map(weekdayname_to_weekdaynumbe)

df.sort_values(by=['day','date']) #按照星期、日期先后排序

#透视表，各个用户在2018年一周7天里每天批注量的分类汇总

df_pivot_table=df.pivot_table(index='userid',columns='day',values='times',aggfunc='sum',margins=True,fill_value=0,margins_name='合计')

df_pivot_table

#交叉表，反映各个用户在2018年一周7天内做批量邮编批注的频率。

df_cross=pd.crosstab(index=df['userid'],columns=df['day'])

#用matplotlib画2018年每月批注量对比图

df_2018_sum=df_usetimes2018.groupby(by='date').sum()

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus']=False

plt.title('2018年每月批注量对比图')

plt.xlabel('月份')

plt.ylabel('次数')

plt.bar(df_2018_sum.index,df_2018_sum['times'],color='red')

#累计批注量折线图

plt.plot(df_2018_sum.cumsum().index,df_2018_sum.cumsum()['times'],color='red',linestyle=':',marker='x')