AIM-PIbd-31-Shanygin-A-V/lab_1/Untitled-1.ipynb

In [4]:

import pandas as pd
df = pd.read_csv(".//static//csv//Stores.csv")
print(df.columns)

Index(['Store ID ', 'Store_Area', 'Items_Available', 'Daily_Customer_Count',
       'Store_Sales'],
      dtype='object')

In [16]:

import matplotlib.pyplot as plt


df['Items_per_Area'] = df['Items_Available'] / df['Store_Area']

plt.figure(figsize=(10, 6))
plt.bar(df['Store ID'], df['Items_per_Area'], color='skyblue')

plt.xlabel('Store ID')
plt.ylabel('Items per Area (Items per square meter)')
plt.title('Коэффициент заполненности магазина')
plt.xticks(df['Store ID'])  

plt.show()

Благодаря этой диаграмме я узнал коэффициент заполненности магазина. Мы можем увидеть сколько товаров приходиться на квадратный метр площади магазина.

In [17]:

df_filtered = df[df['Store ID'].between(1, 15)].copy()

df_filtered.loc[:, 'Avg_Sales_Per_Customer'] = df_filtered['Store_Sales'] / df_filtered['Daily_Customer_Count']

plt.figure(figsize=(10, 7))
plt.pie(df_filtered['Avg_Sales_Per_Customer'], labels=df_filtered['Store ID'], autopct='%1.1f%%', startangle=140)
plt.title('Средние продажи на одного клиента по магазинам (ID 1-15)')
plt.show()

Я построил круговую диаграмму которая высчитывает средние продажи на одного клиента в магазине и по диагрмме можно сказать что во втором магазине этот показатель самый большой (выборка делалась с 1 по 15 магазин).

In [18]:

plt.figure(figsize=(8,6))
plt.plot(df['Store_Area'], df['Items_Available'], marker='o', color='b')

plt.title('Items Available vs Store Area')
plt.xlabel('Store Area')
plt.ylabel('Items Available')
plt.grid(True)
plt.show()

Я построил линейчатую диограмму чтобы узнать как зависит площадь магазина от количества товаров и по графику видно что чем больше площадь тем больше товаров.