CREATE TABLE pandastest(
城市 VARCHAR(255),
用户ID INT(19),
订单日期 DATE,
金额 DECIMAL(19,4),
金额区间 VARCHAR(255),
订单数 INT(19),
上次订单日期 DATE,
距上次订单天数 INT(19),
上次金额 DECIMAL(19,4),
距上次订单间隔区间 VARCHAR(255),
品类数 INT(19),
KEY city (城市),
KEY res_id(用户ID)
)ENGINE=INNODB DEFAULT CHARSET=utf8;

#coding:utf-8
import sys
import MySQLdb
from datetime import datetime
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
#系统编码置为‘utf-8‘
reload(sys)
sys.setdefaultencoding(‘utf-8‘)
#连接mysql 其中conn为pandas模块 read_sql方法的第二个参数
conn=MySQLdb.connect(host=‘127.0.0.1‘,user=‘root‘,passwd=‘密码‘,port=3306,db=‘local_db‘,charset=‘utf8‘)
sql=‘‘‘
    SELECT 城市,用户ID,订单日期,金额,金额区间,订单数
    FROM  pandastest
    WHERE 订单日期<‘2016-12-26‘
    limit 10000
‘‘‘
#用pandas模块中read_sql方法获取数据表(含表头和数据) real_sql 包含两个参数 一个是执行的sql 这里用sql变量代替 也可用字符串代替 一个是con=conn
df = pd.read_sql(sql, con=conn)
conn.close()
#练习对df中订单日期字段进行拆分成年月日操作 for循环为遍历日期型数据 因此用datetime模块中的strftime方法将日期型转换为字符型
date_time=pd.DataFrame((x.strftime("%Y-%m-%d").split(‘-‘) for x in df[‘订单日期‘]),columns=[‘year‘,‘month‘,‘day‘])
#将date_time拆分开后的年月日和df的数据横行合并
df=pd.merge(df,date_time,right_index=True, left_index=True)
print df
#按金额区间进行汇总
jinequjian=df.groupby(‘金额区间‘)[‘金额区间‘].agg(len)
print jinequjian
#图表字体为华文细黑 字号为11
plt.rc(‘font‘, family=‘STXihei‘, size=11)
#创建一个一维数组
a=np.array([1,2,3,4])
#创建条形图 数据源为jinequjian这个变量（金额区间汇总） 设置颜色 透明度 居中对齐和图表边框
plt.barh([1,2,3,4],jinequjian,color=‘#052B6C‘,alpha=0.8,align=‘center‘,edgecolor=‘white‘)
#y轴标题
plt.ylabel(‘金额区间‘)
#x轴标题
plt.xlabel(‘客户数‘)
#x轴长度
plt.xlim(0,8000)
#y轴长度
plt.ylim(0,6)
#图表的标题
plt.title(‘各金额区间客户分布情况‘)
#图例及显示位置
plt.legend([‘客户数‘], loc=‘upper right‘)
#背景网格线的颜色样式 尺寸 和透明度
plt.grid(color=‘#375589‘,linestyle=‘--‘, linewidth=2,axis=‘y‘,alpha=0.4)
#设置y轴上的数据分类名称和金额区间group by 的字段保持一致
plt.yticks(a,(‘(000到500元含)‘,‘(500到1000元含)‘,‘(1000到1500元含)‘,‘(1500元以上)‘))
#展现表
plt.show()