基于pycharts星巴克门店分布可视化分析

• Company Owned：公司独资直营，这也是星巴克门店最多的经营方式；
• Licensed: 许可经营；
• Joint Venture: 合资经营，比如：国内江浙沪地区的星巴克最早就是由星巴克与统一集团联手经营，17年7月的时候星巴克已收回所有权；
• Franchise：授权经营，类似麦当劳的经营模式；

# 分组计数，计算门店不同所有权的门店数量
df_t = df.groupby('Ownership Type')['Brand'].count().reset_index()
df_t.columns = ['经营方式', '计数']


data_pair = [i  for i  in zip(df_t['经营方式'],df_t['计数'])]

# 数据排序
data_pair.sort(key=lambda x: x[1], reverse=True) # 进行排序 降序 


# 新建一个饼图
chart = Pie(
    init_opts=opts.InitOpts(
        theme='light',
        width='680px',
        height='500px',
        bg_color='white'
    )
)

# 添加数据
chart.add(
    '',
    data_pair,
    radius=["10%", "45%"],  # 内外径设置
    rosetype="area",  # 通过半径展示占比
    label_opts=opts.LabelOpts(formatter="{b}: {d}%")  # 标签设置
)
chart.set_global_opts(
    # 标题设置
    title_opts=opts.TitleOpts(
        title="星巴克门店门店所有权分布",
        subtitle='数据截止日期：2017年2月'),
    # 图例设置
    legend_opts=opts.LegendOpts(
        is_show=True,
        pos_left='left',
        pos_top='10%',
        orient='vertical',
    ),
)

chart.render_notebook()

 星巴克国内门店最多10个城市

# 使用pandas读取数据
df = pd.read_csv('directory.csv')
df_20 = df[df['Country']=='CN'].groupby('City')['Brand'].count().reset_index().sort_values('Brand',ascending=False).head(20)
df_20.columns = ['City','计数']
data_pair  = [i  for i in zip(df_20['City'].to_list(),df_20['计数'].to_list())]
top_city = sorted(data_pair, key=lambda x: x[1], reverse=True)[:10][::-1]
# 新建一个Bar
chart = Bar(
    init_opts=opts.InitOpts(
        theme='chalk',
        width='980px',
        height='900px'
    )
)
# 添加x轴数据
chart.add_xaxis([x[0] for x in top_city])  # 元组的0索引
# 添加y轴数据
chart.add_yaxis(
    "",
    [x[1] for x in top_city],  #  元组的1索引 
    # 标签设置
    label_opts=opts.LabelOpts(
        is_show=True,   # 显示标签
        position='insideRight',   # 显示位置
        formatter='{c}'   # 显示内容 {c}显示数值
        )
        )

chart.set_global_opts(
    title_opts=opts.TitleOpts(   # 标题设置
        title="星巴克国内门店最多10个城市",
        subtitle='数据截止日期：2017年2月'),
    xaxis_opts=opts.AxisOpts(is_show=False),  # x轴位置显示在上方
    )
# xy轴翻转
chart.reversal_axis()
chart.render_notebook()

星巴克国内门店分布

# 新建GEO实例
geo = Geo(
    init_opts=opts.InitOpts(
        theme='dark',
        width='980px',
        height='600px'
    )
)


data_pair = []
for idx, row in df[df['Country']=='CN'].iterrows():  # 
    # 需要添加自定义坐标点(坐标的那个点 ,经度,维度 )
    geo.add_coordinate(row['Store Number'], row['Longitude'], row['Latitude'])
    # 点数据存放再datapair中
    data_pair.append([row['Store Number'], 1])  # 1 表示一个数 

# 添加地图   
geo.add_schema(
    maptype="china",
    zoom=1.5,   # 地图缩放比例
)

geo.add(
    '',  # 系列名称
    data_pair,
    type_='heatmap',  # type选择heatmap
    is_large=True,  # 当图表数据量大时可设置为True,进行优化
    blur_size=4,  # 光晕大小
    point_size=3,   # 点的大小  可参考文章https://blog.csdn.net/qq_27484665/article/details/117395302

)


geo.set_global_opts(
    # 标题设置
    title_opts=opts.TitleOpts(
        title="星巴克国内门店分布", pos_top='3%', pos_left='center', 
        title_textstyle_opts=opts.TextStyleOpts(color='red', font_size=20)  # 标题字体风格设置
        ),
    # 视觉组件设置，默认通过颜色完成映射
    visualmap_opts=opts.VisualMapOpts(
        is_show=True,  # 关闭组件框的显示
        max_=10,  # 映射数据的范围最大值
        range_color=['blue', 'blue', 'green', 'yellow', 'red']  # 颜色范围
        ),
)


# print(data_pair)
geo.render_notebook()

 由图可见，星巴克在中国主要分布在沿海地区以及四川、重庆、武汉和北京