38妇女节,用 Python 分析公司女员工的收花数据(附全部源代码)

每年3月8日，办公室里总会飘来玫瑰花香。但你有没有好奇过：

• 哪个部门的女生收到花最多？
• 玫瑰花大多来自谁？
• 收花高峰是什么时段？
• 年龄不同，对收花的满意度有差异吗？

本文通过一份的公司收到花数据，用 Python 做一次完整的数据分析，从数据生成、清洗、统计，到多维可视化，带你手把手走完全流程。

---

🛠️ 技术栈

工具	用途
pandas	数据读取与清洗
numpy	随机数据生成
matplotlib	基础可视化
seaborn	高级统计图表

---

---

📊 数据字段说明

脚本运行后会自动生成 roses_data.csv，包含以下字段：

字段	说明
员工ID	唯一标识
部门	所属部门（7个）
年龄	员工年龄（22-54岁）
收花数量	当天收到的玫瑰支数
玫瑰来源	同事 / 家人 / 朋友 / 恋人 / 自购
玫瑰颜色	红色 / 粉色 / 白色 / 黄色 / 紫色 / 混搭
满意度评分	1-5 分
收花时间	当天 08:00-18:00

数据中故意引入了负值、缺失值、空字符串等脏数据，用于演示清洗流程。

---

🔧 数据清洗步骤

# 1. 删除收花数量为负数的异常记录df = df[df["收花数量"] >= 0]# 2. 用中位数填充缺失年龄df["年龄"] = df["年龄"].fillna(df["年龄"].median()).astype(int)# 3. 空字符串颜色替换为"未知"df["玫瑰颜色"] = df["玫瑰颜色"].replace("", "未知").fillna("未知")# 4. 新增年龄分段列（便于分组分析）df["年龄段"] = pd.cut(df["年龄"], bins=[21,29,35,44,60],                     labels=["22-29岁","30-35岁","36-44岁","45岁以上"])

清洗逻辑简洁高效，覆盖了工作中最常见的三类脏数据场景。

---

📈 六大可视化分析

图1：各部门平均收花数量（横向柱状图）

直观对比各部门女员工人均收到花水平，横向排列便于标签展示。

图2：玫瑰来源分布（饼图）

揭示玫瑰花背后的情感来源——来自恋人/配偶的占比最高，职场同事也是重要来源。

图3：收花数量分布（直方图 + KDE 曲线）

大多数人收到 1-3 支，收花数量呈右偏分布，少数人收花"爆表"。

图4：各年龄段满意度（小提琴图）

小提琴图同时展示分布形状与中位数，30-35岁群体满意度整体最高且最集中。

图5：玫瑰颜色偏好（柱状图）

红色一骑绝尘，粉色紧随其后，白色和混搭也各有受众。

图6：部门 × 时段收花热力图

10-12时 是收花高峰时段，研发部在早间收花明显多于其他部门——程序员们很用心！

---

🧮 核心统计摘要（示例输出）

=======================================================          🌹 妇女节收花数据·核心摘要=======================================================  统计总人数         : 490 人  收花人数（≥1支）    : 441 人  未收花人数          : 49 人  人均收花数量        : 2.14 支  最多收花数量        : 10 支  平均满意度评分      : 4.09 / 5.00  最受欢迎玫瑰颜色    : 红色  最主要玫瑰来源      : 同事  收花均值最高部门    : 研发部=======================================================

---

🚀 快速运行

1. 安装依赖：

pip install pandas numpy matplotlib seaborn

2. 运行脚本：

python roses_analysis.py

脚本会自动完成：数据生成 → 清洗 → 统计摘要打印 → 可视化图表弹出并保存。

---

📝 写在最后

数据分析不只是技术，更是一种用数字表达关注的方式。

今天是三八妇女节，愿每一位女性都被温柔对待——不管有没有收到玫瑰，你的价值从来不需要用花束来衡量。

🌹 节日快乐！

---

本文代码已开源，完整脚本见：roses_analysis.py

源代码如下：

# ============================================================# 项目名称：三八妇女节玫瑰花收花数据分析# 作者：IT小本本# 日期：2026-03-08# 描述：分析妇女节当天不同部门、年龄段女性收到玫瑰花的情况# ============================================================import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport matplotlibimport seaborn as snsimport osfrom datetime import datetime, timedeltaimport warningswarnings.filterwarnings("ignore")# ============================================================# 0. 全局配置：设置中文字体，防止乱码# ============================================================matplotlib.rcParams["font.sans-serif"] = ["SimHei", "Arial Unicode MS", "DejaVu Sans"]matplotlib.rcParams["axes.unicode_minus"] = Falseplt.rcParams["figure.dpi"] = 120# ============================================================# 1. 数据读取# ============================================================defload_data(filepath: str = "roses_data.csv") -> pd.DataFrame:"""读取本地 CSV 数据"""ifnot os.path.exists(filepath):        print("  数据文件不存在，正在自动生成...")# generate_data(filepath)    df = pd.read_csv(filepath, encoding="utf-8-sig")    print(f" 数据读取成功，共 {len(df)} 行，{df.shape[1]} 列")return df# ============================================================# 2. 数据清洗# ============================================================defclean_data(df: pd.DataFrame) -> pd.DataFrame:"""清洗异常数据"""    raw_count = len(df)# 3.1 删除收花数量为负数的记录    df = df[df["收花数量"] >= 0]# 3.2 填充缺失年龄（用中位数填充）    df["年龄"] = df["年龄"].fillna(df["年龄"].median()).astype(int)# 3.3 处理玫瑰颜色空字符串（替换为"未知"）    df["玫瑰颜色"] = df["玫瑰颜色"].replace("", "未知").fillna("未知")# 3.4 重置索引    df = df.reset_index(drop=True)# 3.5 新增年龄分段列    bins = [21, 29, 35, 44, 60]    labels = ["22-29岁", "30-35岁", "36-44岁", "45岁以上"]    df["年龄段"] = pd.cut(df["年龄"], bins=bins, labels=labels, right=True)    print(f" 数据清洗完成：原始 {raw_count} 条 → 清洗后 {len(df)} 条（删除 {raw_count - len(df)} 条异常记录）")return df# ============================================================# 3. 核心分析 + 可视化（共 6 张子图）# ============================================================defsave_fig(filename: str) -> None:"""统一保存当前图表到 charts/ 子目录"""    os.makedirs("charts", exist_ok=True)    path = os.path.join("charts", filename)    plt.savefig(path, bbox_inches="tight", dpi=150)    print(f"   已保存：{os.path.abspath(path)}")defanalyze_and_visualize(df: pd.DataFrame) -> None:"""核心分析与可视化——每张图单独保存 + 最终汇总图"""    palette = sns.color_palette("Set2", 8)# ── 预处理：时间段列（后续图6需要）──────────────────────    df["时间段"] = df["收花时间"].apply(lambda t: "08-10时"if t < "10:00"else ("10-12时"if t < "12:00"else ("12-14时"if t < "14:00"else ("14-16时"if t < "16:00"else"16-18时")))    )    print("\n 开始逐图生成并保存...")# ══════════════════════════════════════════════════════# 图1：各部门平均收花数量（横向柱状图）# ══════════════════════════════════════════════════════    fig1, ax1 = plt.subplots(figsize=(8, 5))    dept_avg = df.groupby("部门")["收花数量"].mean().sort_values(ascending=True)    bars = ax1.barh(dept_avg.index, dept_avg.values, color=palette[:len(dept_avg)])    ax1.set_title("各部门平均收花数量", fontsize=14, fontweight="bold")    ax1.set_xlabel("平均收花数量（支）")for bar, val in zip(bars, dept_avg.values):        ax1.text(bar.get_width() + 0.02, bar.get_y() + bar.get_height() / 2,f"{val:.2f}", va="center", fontsize=9)    ax1.grid(axis="x", linestyle="--", alpha=0.4)    plt.tight_layout()    save_fig("chart1_dept_avg_roses.png")    plt.show()    plt.close(fig1)# ══════════════════════════════════════════════════════# 图2：玫瑰来源分布（饼图）# ══════════════════════════════════════════════════════    fig2, ax2 = plt.subplots(figsize=(7, 7))    source_cnt = df["玫瑰来源"].value_counts()    wedges, texts, autotexts = ax2.pie(        source_cnt.values,        labels=source_cnt.index,        autopct="%1.1f%%",        colors=palette[:len(source_cnt)],        startangle=140,        pctdistance=0.82,    )for at in autotexts:        at.set_fontsize(10)    ax2.set_title("玫瑰花来源分布", fontsize=14, fontweight="bold")    plt.tight_layout()    save_fig("chart2_rose_source.png")    plt.show()    plt.close(fig2)# ══════════════════════════════════════════════════════# 图3：收花数量分布（直方图 + KDE）# ══════════════════════════════════════════════════════    fig3, ax3 = plt.subplots(figsize=(8, 5))    sns.histplot(df["收花数量"], bins=range(0, 12), kde=True, ax=ax3,                 color=palette[3], edgecolor="white", line_kws={"linewidth": 2})    ax3.set_title("收花数量分布", fontsize=14, fontweight="bold")    ax3.set_xlabel("收花数量（支）")    ax3.set_ylabel("人数")    ax3.grid(axis="y", linestyle="--", alpha=0.4)    plt.tight_layout()    save_fig("chart3_roses_distribution.png")    plt.show()    plt.close(fig3)# ══════════════════════════════════════════════════════# 图4：不同年龄段满意度评分（小提琴图）# ══════════════════════════════════════════════════════    fig4, ax4 = plt.subplots(figsize=(8, 5))    order = ["22-29岁", "30-35岁", "36-44岁", "45岁以上"]    sns.violinplot(data=df, x="年龄段", y="满意度评分", order=order,                   palette="pastel", inner="box", ax=ax4)    ax4.set_title("各年龄段满意度评分分布", fontsize=14, fontweight="bold")    ax4.set_xlabel("年龄段")    ax4.set_ylabel("满意度评分（1-5）")    ax4.grid(axis="y", linestyle="--", alpha=0.4)    plt.tight_layout()    save_fig("chart4_satisfaction_by_age.png")    plt.show()    plt.close(fig4)# ══════════════════════════════════════════════════════# 图5：玫瑰颜色偏好（竖向柱状图）# ══════════════════════════════════════════════════════    fig5, ax5 = plt.subplots(figsize=(8, 5))    color_cnt = df[df["玫瑰颜色"] != "未知"]["玫瑰颜色"].value_counts()    ax5.bar(color_cnt.index, color_cnt.values,            color=["#e74c3c", "#f1a7c0", "#f5f5f5", "#f4d03f", "#9b59b6", "#abebc6"])    ax5.set_title("玫瑰颜色偏好", fontsize=14, fontweight="bold")    ax5.set_xlabel("颜色")    ax5.set_ylabel("数量（人）")for i, v in enumerate(color_cnt.values):        ax5.text(i, v + 1, str(v), ha="center", fontsize=9)    ax5.grid(axis="y", linestyle="--", alpha=0.4)    plt.tight_layout()    save_fig("chart5_rose_color.png")    plt.show()    plt.close(fig5)# ══════════════════════════════════════════════════════# 图6：收花时段热力图（部门 × 时间段）# ══════════════════════════════════════════════════════    fig6, ax6 = plt.subplots(figsize=(9, 5))    heat_data = df.groupby(["部门", "时间段"])["收花数量"].sum().unstack(fill_value=0)    time_order = ["08-10时", "10-12时", "12-14时", "14-16时", "16-18时"]    heat_data = heat_data.reindex(columns=[c for c in time_order if c in heat_data.columns])    sns.heatmap(heat_data, annot=True, fmt="d", cmap="YlOrRd", ax=ax6,                linewidths=0.5, cbar_kws={"label": "收花总量"})    ax6.set_title("各部门不同时段收花热力图", fontsize=14, fontweight="bold")    ax6.set_xlabel("收花时段")    ax6.set_ylabel("部门")    ax6.tick_params(axis="x", rotation=30)    ax6.tick_params(axis="y", rotation=0)    plt.tight_layout()    save_fig("chart6_heatmap_dept_time.png")    plt.show()    plt.close(fig6)# ══════════════════════════════════════════════════════# 汇总图：6 图合并输出# ══════════════════════════════════════════════════════    fig, axes = plt.subplots(2, 3, figsize=(18, 11))    fig.suptitle("🌹 三八妇女节·玫瑰花收花数据分析报告", fontsize=18, fontweight="bold", y=1.01)# -- 复用同样绘图逻辑填充各子图 --    dept_avg.plot(kind="barh", ax=axes[0][0], color=palette[:len(dept_avg)])    axes[0][0].set_title("各部门平均收花数量", fontweight="bold")    axes[0][0].set_xlabel("平均收花数量（支）")    axes[0][0].grid(axis="x", linestyle="--", alpha=0.4)    axes[0][1].pie(source_cnt.values, labels=source_cnt.index, autopct="%1.1f%%",                   colors=palette[:len(source_cnt)], startangle=140, pctdistance=0.82)    axes[0][1].set_title("玫瑰花来源分布", fontweight="bold")    sns.histplot(df["收花数量"], bins=range(0, 12), kde=True, ax=axes[0][2],                 color=palette[3], edgecolor="white", line_kws={"linewidth": 2})    axes[0][2].set_title("收花数量分布", fontweight="bold")    axes[0][2].grid(axis="y", linestyle="--", alpha=0.4)    sns.violinplot(data=df, x="年龄段", y="满意度评分", order=order,                   palette="pastel", inner="box", ax=axes[1][0])    axes[1][0].set_title("各年龄段满意度评分分布", fontweight="bold")    axes[1][0].grid(axis="y", linestyle="--", alpha=0.4)    axes[1][1].bar(color_cnt.index, color_cnt.values,                   color=["#e74c3c", "#f1a7c0", "#f5f5f5", "#f4d03f", "#9b59b6", "#abebc6"])    axes[1][1].set_title("玫瑰颜色偏好", fontweight="bold")    axes[1][1].grid(axis="y", linestyle="--", alpha=0.4)    sns.heatmap(heat_data, annot=True, fmt="d", cmap="YlOrRd", ax=axes[1][2],                linewidths=0.5, cbar_kws={"label": "收花总量"})    axes[1][2].set_title("各部门不同时段收花热力图", fontweight="bold")    axes[1][2].tick_params(axis="x", rotation=30)    axes[1][2].tick_params(axis="y", rotation=0)    plt.tight_layout()    save_fig("chart0_summary_report.png")    print(" 所有图表生成完毕，已保存至 charts/ 目录")    plt.show()    plt.close(fig)# ============================================================# 4. 核心统计指标输出# ============================================================defprint_summary(df: pd.DataFrame) -> None:"""打印关键统计摘要"""    print("\n" + "=" * 55)    print("          🌹 妇女节收花数据·核心摘要")    print("=" * 55)    print(f"  统计总人数         : {len(df)} 人")    print(f"  收花人数（≥1支）    : {(df['收花数量'] >= 1).sum()} 人")    print(f"  未收花人数          : {(df['收花数量'] == 0).sum()} 人")    print(f"  人均收花数量        : {df['收花数量'].mean():.2f} 支")    print(f"  最多收花数量        : {df['收花数量'].max()} 支")    print(f"  平均满意度评分      : {df['满意度评分'].mean():.2f} / 5.00")    print(f"  最受欢迎玫瑰颜色    : {df[df['玫瑰颜色'] != '未知']['玫瑰颜色'].value_counts().idxmax()}")    print(f"  最主要玫瑰来源      : {df['玫瑰来源'].value_counts().idxmax()}")    top_dept = df.groupby("部门")["收花数量"].mean().idxmax()    print(f"  收花均值最高部门    : {top_dept}")    print("=" * 55 + "\n")# ============================================================# 主函数入口# ============================================================if __name__ == "__main__":# Step 1：读取数据    df_raw = load_data("roses_data.csv")# Step 2：数据清洗    df_clean = clean_data(df_raw)# Step 3：打印统计摘要    print_summary(df_clean)# Step 4：分析与可视化    analyze_and_visualize(df_clean)

🔮 获取和交流

需要本章或其他文章的源码和数据的同学，关注+三连，评论“6666“，加下面微信，发你！也可以拉你进群交流学习，加群备注：IT小本本学习

为了能随时获取最新动态，大家可以动动小手将公众号添加到“星标⭐”哦，点赞 + 关注，用时不迷路！！！！

关注公众号：IT小本本 👇