Python 数据分析：使用柱状图统计不同年龄段的套餐销量

假设有一个订单 Excel 表名为 'order.xlsx'，其中包含用户 id、用户年龄、套餐名称等信息。我们将用户年龄段划分为：18以下、18-35、35以上，使用 Python 代码统计该年龄段的套餐销量并用柱状图展示出来。

数据示例：

| 用户id | 用户年龄 | 套餐名称 | | ------ | -------- | -------- | | 1 | 20 | 'A套餐' | | 2 | 40 | 'B套餐' | | 3 | 25 | 'C套餐' | | 4 | 30 | 'A套餐' | | 5 | 50 | 'B套餐' | | 6 | 15 | 'A套餐' | | 7 | 28 | 'C套餐' | | 8 | 38 | 'B套餐' | | 9 | 22 | 'A套餐' | | 10 | 42 | 'C套餐' |

Python 代码：

import pandas as pd
import matplotlib.pyplot as plt

# 读取 Excel 文件
df = pd.read_excel('order.xlsx')

# 划分年龄段
df['年龄段'] = pd.cut(df['用户年龄'], [0, 18, 35, float('inf')], labels=['18以下', '18-35', '35以上'])

# 统计套餐销量
sales = df.groupby(['年龄段', '套餐名称'])['用户id'].count()

# 绘制柱状图
sales.unstack().plot(kind='bar')
plt.show()

运行以上代码，会得到一个柱状图，展示不同年龄段的套餐销量。

柱状图示例：

[图片说明：此处应插入生成的柱状图图片，展示不同年龄段的套餐销量。]

代码解释：

使用 pandas 库读取 Excel 文件 order.xlsx，并将其存储到 DataFrame df 中。
使用 pd.cut() 函数将 用户年龄 列划分成三个年龄段，并将结果存储到新列 年龄段 中。
使用 groupby() 函数对 年龄段 和 套餐名称 进行分组，并使用 count() 函数统计每个组的用户 id 数量，即套餐销量。
使用 unstack() 函数将分组后的结果转换为多级索引，便于绘制柱状图。
使用 plot() 函数绘制柱状图，并使用 plt.show() 显示图形。

总结：

本文使用 Python 代码对订单数据进行分析，将用户年龄段划分为不同的组别，并统计每个年龄段不同套餐的销量。通过柱状图的展示，可以直观地了解不同年龄段用户对不同套餐的购买偏好。