用Python+PyEcharts搞定星巴克门店数据可视化：从数据清洗到交互式图表全流程
Python+PyEcharts实战：星巴克门店数据可视化全流程解析
当咖啡香气遇上数据科学，会碰撞出怎样的火花？本文将带你用Python和PyEcharts库，从原始星巴克门店数据出发，完成数据清洗、分析到交互式可视化的全流程实战。无论你是想了解商业分布规律的数据分析师，还是希望掌握PyEcharts可视化技巧的开发者，这篇包含完整代码和商业解读的指南都能让你获得实用技能。
1. 环境准备与数据获取
在开始分析前，我们需要配置合适的Python环境。推荐使用Anaconda创建独立环境：
conda create -n starbucks-vis python=3.8 conda activate starbucks-vis pip install pandas pyecharts jupyterlab数据集通常包含以下关键字段：
- 门店名称
- 详细地址（省/市/区）
- 经纬度坐标
- 营业时间（开始/结束）
- 门店类型（普通/臻选/旗舰店）
提示：实际数据可能包含缺失值或格式不一致的情况，这正是我们需要数据清洗的原因。原始数据质量直接影响最终分析结果的可靠性。
常见数据来源包括：
- 公开数据平台（如Kaggle、和鲸社区）
- 商业数据API接口
- 网络公开数据抓取（需遵守相关法律法规）
2. 数据清洗与预处理实战
拿到原始数据后，我们需要进行系统性的数据清洗。以下是一个典型的数据质量检查流程：
import pandas as pd # 加载数据 df = pd.read_csv('starbucks_china_locations.csv') # 基础信息检查 print(f"数据集形状：{df.shape}") print("\n前5行数据预览：") print(df.head()) # 缺失值检查 missing_report = df.isnull().sum() print("\n缺失值统计：") print(missing_report[missing_report > 0]) # 重复值检查 duplicates = df.duplicated().sum() print(f"\n重复记录数：{duplicates}")常见数据问题及处理方法：
| 问题类型 | 检测方法 | 处理方案 |
|---|---|---|
| 缺失值 | isnull().sum() | 删除或合理填充 |
| 重复值 | duplicated() | 保留首次出现记录 |
| 异常值 | describe()/箱线图 | 修正或剔除 |
| 格式不一致 | dtypes/正则匹配 | 统一格式化 |
对于营业时间数据，需要进行特殊处理：
# 营业时间标准化 df['营业时长'] = pd.to_datetime(df['停止营业时间']) - pd.to_datetime(df['开始营业时间']) df['营业小时数'] = df['营业时长'].dt.total_seconds() / 3600 # 处理极端值 df = df[(df['营业小时数'] >= 4) & (df['营业小时数'] <= 24)]3. 地理分布可视化技术
PyEcharts的地理可视化功能非常强大，下面我们逐步构建省级分布热力图。
3.1 省级门店数量统计
首先计算各省门店数量：
province_counts = df['省份'].value_counts().reset_index() province_counts.columns = ['省份', '门店数量'] # 转换为PyEcharts需要的格式 province_data = province_counts.values.tolist()3.2 交互式中国地图绘制
使用Map组件创建可视化：
from pyecharts.charts import Map from pyecharts import options as opts china_map = ( Map() .add("门店数量", province_data, "china", label_opts=opts.LabelOpts(is_show=False)) .set_global_opts( title_opts=opts.TitleOpts(title="星巴克中国省级分布热力图"), visualmap_opts=opts.VisualMapOpts( max_=max(province_counts['门店数量']), is_piecewise=True, pos_top="middle", orient="vertical" ) ) ) china_map.render("china_map.html")关键参数说明：
is_piecewise：启用分段式图例pos_top：控制图例位置orient：图例方向（垂直/水平）
3.3 城市级分布旭日图
旭日图能同时展示省-市两级分布：
from pyecharts.charts import Sunburst # 准备层级数据 city_counts = df.groupby(['省份','城市']).size().reset_index(name='数量') sunburst_data = [] for _, row in city_counts.iterrows(): sunburst_data.append({ 'name': row['城市'], 'value': row['数量'], 'parent': row['省份'] }) sunburst = ( Sunburst(init_opts=opts.InitOpts(width="1000px", height="600px")) .add("", data_pair=sunburst_data, highlight_policy="ancestor", radius=[0, "90%"]) .set_global_opts(title_opts=opts.TitleOpts(title="省-市两级门店分布")) ) sunburst.render("sunburst.html")4. 营业时间分析可视化
营业时间数据可以揭示不同地区的消费习惯差异。
4.1 营业时间分布直方图
from pyecharts.charts import Bar # 统计各小时开店数量 open_hour_counts = df['开始营业时间'].str[:2].value_counts().sort_index() bar = ( Bar() .add_xaxis(open_hour_counts.index.tolist()) .add_yaxis("门店数量", open_hour_counts.values.tolist()) .set_global_opts( title_opts=opts.TitleOpts(title="门店开始营业时间分布"), xaxis_opts=opts.AxisOpts(name="小时"), yaxis_opts=opts.AxisOpts(name="门店数量") ) ) bar.render("opening_hours.html")4.2 营业时长对比分析
计算各城市平均营业时长并可视化：
city_hours = df.groupby('城市')['营业小时数'].mean().sort_values(ascending=False)[:20] bar_horizontal = ( Bar() .add_xaxis(city_hours.index.tolist()) .add_yaxis("平均营业时长", city_hours.values.tolist()) .reversal_axis() .set_global_opts( title_opts=opts.TitleOpts(title="城市平均营业时长TOP20"), xaxis_opts=opts.AxisOpts(name="小时"), ) )5. 高级可视化技巧
5.1 组合图表：地理坐标与散点图叠加
from pyecharts.charts import Geo from pyecharts.globals import ChartType geo = ( Geo() .add_schema(maptype="china") .add("门店分布", df[['城市', '经度', '纬度']].values.tolist(), type_=ChartType.EFFECT_SCATTER, symbol_size=5) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts(title_opts=opts.TitleOpts(title="星巴克门店地理坐标分布")) )5.2 动态时间轴展示
from pyecharts.charts import Timeline # 按年份创建时间轴 timeline = Timeline() for year in sorted(df['开业年份'].unique()): year_data = df[df['开业年份'] == year] map_year = ( Map() .add("门店数量", year_data['省份'].value_counts().items(), "china") .set_global_opts(title_opts=opts.TitleOpts(title=f"{year}年门店分布")) ) timeline.add(map_year, year) timeline.render("timeline.html")6. 商业洞察与优化建议
通过上述可视化分析，我们可以得出以下商业洞察：
区域扩张策略：
- 重点关注门店密度较低但经济增速快的省份（如中部地区）
- 一线城市可考虑开设更多特色旗舰店
营业时间优化：
- 旅游城市可适当延长营业时间
- 商务区门店可提前开门时间
竞争分析：
# 计算各城市咖啡店密度 city_stats = df.groupby('城市').agg({ '门店名称': 'count', '营业小时数': 'mean' }).sort_values('门店名称', ascending=False)
实际项目中，我们发现PyEcharts的交互功能特别适合演示场景。当鼠标悬停在图表元素上时，动态显示详细信息的方式能让观众更直观理解数据内涵。