初学数据挖掘——数据探索（三）：数据特征分析之对比分析

一、对比分析：

对比分析是将两个相互联系的指标进行比较，从数量上展示和说明研究对象的各种关系（规模的大小、水平的高低、速度的快慢等）是否协调。分析其中的差异，从而揭示这些事物代表的发展变化情况以及变化规律。

二、对比分析的原则：

对比对象相似：对比对象越相似，就越具有可比性。
对比指标同质

三、对比分析的特点：

简单：因为与其他分析比较对比分析操作步骤少，不需要太复杂的计算。
直观：是指能够直接看出事物的变化或差距，非常明显的知晓对比数据的相同或不同。
量化：是指能够准确表示出变化或差距是多少，然后根据变化或差距的度量值，进行细分找到原因。

四、对比分析分类

1、绝对数比较

利用绝对数进行比较，从而寻找差异的一种方法。

2、相对数比较

由两个有联系的指标对比计算，用来反映客观现象之间数量联系程度的综合指标，其数值表现为相对数。
相对数可分为以下几种：

结构相对数：将同一总体内的部分数值与全部数值进行对比求得比重，用以说明事物的性质、结构或质量。
比例相对数：将同一总体内不同部分的数值进行对比，展示总体内各部分的比例关系。
比较相对数：将同一时期两个性质相同的指标数值进行对比，说明同类对象在不同空间条件下的数量对比关系。
强度相对数：将两个性质不同但有一定联系的总量指标进行对比，用来说明现象的强度、密度和普遍程度。
计划完成程度相对数：将某一时期实际完成数与计划数进行对比，用以说明计划完成程度。
动态相对数：将同一现象在不同时期的指标数值进行对比，用以说明发展方向和变化速度。

五、实例

1、动态相对数
现有各菜品的销售数据：
链接：https://pan.baidu.com/s/1cWn6JmnmwZUDQ7bgv7_V-A
提取码：2677

以及B部门的销售数据：
链接：https://pan.baidu.com/s/1b3TXAq_9qjziy8RCRiA9xw
提取码：2677

部分数据示例：

现分析各部门销售金额随时间的变化趋势：

# 不同部门在各月份的销售对比情况
# 部门之间销售金额比较
import pandas as pd
import matplotlib.pyplot as plt
data=pd.read_excel("./data/dish_sale.xls") #读入数据
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
plt.figure(figsize=(8, 4))
plt.plot(data['月份'], data['A部门'], color='green', label='A部门',marker='o') #绘制A部门曲线
plt.plot(data['月份'], data['B部门'], color='red', label='B部门',marker='s') #绘制B部门曲线
plt.plot(data['月份'], data['C部门'],  color='skyblue', label='C部门',marker='x') #绘制C部门曲线
plt.legend() # 显示图例
plt.ylabel('销售额（万元）')
plt.show()

#  B部门各年份之间销售金额的比较
data=pd.read_excel("./data/dish_sale_b.xls")
plt.figure(figsize=(8, 4))
plt.plot(data['月份'], data['2012年'], color='green', label='2012年',marker='o')
plt.plot(data['月份'], data['2013年'], color='red', label='2013年',marker='s')
plt.plot(data['月份'], data['2014年'],  color='skyblue', label='2014年',marker='x')
plt.legend() # 显示图例
plt.ylabel('销售额（万元）')
plt.show()

初学数据挖掘——数据探索（三）：数据特征分析之对比分析相关推荐

数据挖掘--数据探索与数据预处理
文章目录数据探索与数据预处理数据理解清除变量分类型自变量处理时间变量异常值极值数据分箱缺失数据降维过抽样与欠抽样参考黑体字为预处理相关的模型,即在使用这些模型时,需要关注到这 ...
数据探索与数据预处理的实验报告
数据探索与数据预处理提示参考书:张良均<Python数据分析与挖掘实战>等. 数据文件:课本自带数据. 使用软件:Pycharm. 类别:实验. 温馨提示:该实验是跟张良均这本书配合使 ...
第1章-数据探索(1)-数据预处理
简介在我们了解了业务背景,确定了需求和分析目标以后,我们接下来要面对的,就是数据的探索了.不论数据的形式是直接连到数据库.还是导出的csv.txt.json等格式,当我们把数据加载到我们的分析利器( ...
数据竞赛专题 | 数据探索-从数据中发现隐藏价值
为了帮助更多竞赛选手入门进阶比赛,通过数据竞赛提升理论实践能力和团队协作能力.DataFountain 和 Datawhale 联合邀请了数据挖掘,CV,NLP领域多位竞赛大咖,将从赛题理解.数据探索 ...
Kaggle练习赛Spaceship Tantic 数据探索（下）规律一致性分析与对抗性验证
Kaggle练习赛Spaceship Tantic 数据探索(下)规律一致性分析与对抗性验证首先对数据进行一下简单的处理. import pandas as pd import seaborn as ...
Python数据特征分析－对比分析
Python数据特征分析-对比分析对比分析 1.绝对数比较 → 相减生成数据折线图比较柱状图比较柱状图堆叠图比较差值折线图比较 2.相对数比较 → 相除结构分析生成数据计算额度占比 ...
机器学习之数据探索——数据特征分析（对比分析与统计量分析）
在数据探索工作中,作为数据特征分析的角度,对比分析.统计量分析同样是发掘数据间关系与数据特征的重要渠道. 1 对比分析对比分析是指把两个相互联系的指标进行比较,从数量上展示和说明研究对象规模的大小, ...
数据预处理—-（数据探索、数据清理、数据集成、数据规约、数据变换）
数据挖掘概念与技术定义挖掘目标–>数据取样–>数据探索–>数据预处理–>挖掘建模–>模型评价第一章.数据挖掘的数据类型:时间序列,序列,数据流,时间空间数据,多媒体 ...
数据特征分析：对比分析
文章目录 1.绝对数比较(相减) 2.相对数比较(相除) 1.结构分析 2.比例分析 3.空间比较分析(横向对比分析) 4.动态对比分析(纵向对比分析) 对比分析 → 两个互相联系的指标进行比较绝对 ...