Python数据分析项目-基于Python的销售数据分析项目
文章目录
- Python数据分析项目-基于Python的销售数据分析项目
- 项目介绍
- 数据
- 分析结果导出
- 数据查阅
- 数据分析内容
- 哪些类别比较畅销?
- 哪些商品比较畅销?
- 不同门店的销售额占比
- 哪个时间段是超市的客流高封期?
- 查看源数据类型
- 计算本月的相关的指标
- 计算上月相关指标
- 计算去年同期相关指标
- 创建DataFrame 添加同比和环比字段
项目介绍
数据
分析结果导出
近些年来,国内大型连锁超市如雨后春笋般迸发,对于各个超市来说,竞争压力不可谓 不大,为了拓展、保留客户,各种促销手段应运而生。 以下为国内某连锁超市的成交统计数据,针对于该数据,挖掘其中价值,为该超市的促销手段提供技术支持。
数据查阅
import pandas as pd
from datetime import datetime
# 导入数据源,parse_dates:将时间字符串转为日期时间格式
data=pd.read_csv("order-14.3.csv",parse_dates=["成交时间"],encoding='gbk')
print(data.shape)
data.head()
(3478, 7)
商品ID 类别ID 门店编号 单价 销量 成交时间 订单ID
0 30006206 915000003 CDNL 25.23 0.328 2017-01-03 09:56:00 20170103CDLG000210052759
1 30163281 914010000 CDNL 2.00 2.000 2017-01-03 09:56:00 20170103CDLG000210052759
2 30200518 922000000 CDNL 19.62 0.230 2017-01-03 09:56:00 20170103CDLG000210052759
3 29989105 922000000 CDNL 2.80 2.044 2017-01-03 09:56:00 20170103CDLG000210052759
4 30179558 915000100 CDNL 47.41 0.226 2017-01-03 09:56:00 20170103CDLG000210052759
数据分析内容
哪些类别比较畅销?
# ascending=False 降序
data.groupby("类别ID")["销量"].sum().reset_index().sort_values(by="销量",ascending=False).head(10)
-
data.groupby("类别ID")["销量"].sum()
: 这一部分首先对数据集data
按照 “类别ID” 进行分组,然后针对每个类别的销量("销量"列)进行求和操作。 -
.reset_index()
: 对分组后的结果进行重置索引,将其转换为一个新的DataFrame,以便后续操作。 -
.sort_values(by="销量", ascending=False)
: 对DataFrame按照销量("销量"列)进行降序排序,即将销量最高的类别排在最前面。参数ascending=False
表示按降序排列。 -
.head(10)
: 获取排序后的前10行数据,即销量最高的10个商品类别。
哪些商品比较畅销?
pd.pivot_table(data,index="商品ID",values="销量",aggfunc="sum").reset_index().sort_values(by="销量",ascending=False).head(10)
-
pd.pivot_table(data, index="商品ID", values="销量", aggfunc="sum")
:这部分代码使用了 Pandas 库中的pivot_table
函数,它用于创建透视表。在这里,它的参数含义如下:data
:指定数据源,即数据集。index="商品ID"
:表示将 “商品ID” 列作为透视表的行索引。values="销量"
:表示将 “销量” 列作为需要聚合的数值列。aggfunc="sum"
:表示对 “销量” 列进行汇总计算,这里使用的是求和函数sum
。
-
.reset_index()
:对生成的透视表结果进行重置索引,将其转换为一个新的DataFrame对象。 -
.sort_values(by="销量", ascending=False)
:对透视表结果按照 “销量” 列进行降序排序,即将销量最高的商品排在最前面。参数ascending=False
表示按降序排列。 -
.head(10)
:获取排序后的前10行数据,即销量最高的10个商品。
不同门店的销售额占比
data["销售额"]=data["销量"]*data["单价"]
# 不同门店销售
print(data.groupby("门店编号")["销售额"].sum())
# 不同门店销售额占比
dfbb = data.groupby("门店编号")[["销售额"]].sum()/data["销售额"].sum()
dfbb.rename(columns={'销售额':'销售额占比'},inplace=True)
dfbb
-
data["销售额"]=data["销量"]*data["单价"]
:首先,创建了一个新的列 “销售额”,其值为 “销量” 列和 “单价” 列对应位置的乘积,表示每个商品的销售额。 -
print(data.groupby("门店编号")["销售额"].sum())
:使用groupby
函数按照 “门店编号” 对数据进行分组,然后对每个门店的销售额进行求和操作,得到不同门店的销售额总和。 -
dfbb = data.groupby("门店编号")[["销售额"]].sum()/data["销售额"].sum()
:这一部分是计算各门店销售额在总销售额中的占比。首先,使用groupby
函数按照 “门店编号” 分组,然后对每个门店的销售额进行求和操作。接着,将每个门店的销售额与总销售额相除,得到销售额占比。 -
dfbb.rename(columns={'销售额':'销售额占比'},inplace=True)
:对生成的 DataFrame 对象进行重命名,将列名 “销售额” 改为 “销售额占比”,以便更清晰地表示数据含义。
import matplotlib as plt
plt.rcParams['figure.figsize'] = (16.0, 8.0) # 设置figure_size尺寸
plt.rcParams['font.sans-serif']=['SimHei'] # 用来设置字体样式以正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 默认是使用Unicode负号,设置正常显示字符,如正常显示负号
plt.rcParams['font.size'] = 15
(data.groupby("门店编号")["销售额"].sum()/data["销售额"].sum()).plot.pie()
哪个时间段是超市的客流高封期?
# 利用自定义时间格式函数strftime提取小时数
data["小时"]=data["成交时间"].map(lambda x:int(x.strftime("%H")))
# 对小时和订单去重
traffic=data[["小时","订单ID"]].drop_duplicates()
# 求每小时的客流量
traffic.groupby("小时")["订单ID"].count().plot()
-
data["小时"]=data["成交时间"].map(lambda x:int(x.strftime("%H")))
:这一部分代码使用了map
函数和lambda
表达式,将 “成交时间” 列中的时间信息提取出小时数,并存储到新的列 “小时” 中。strftime("%H")
方法用于将时间转换为字符串,并提取小时部分。 -
traffic=data[["小时","订单ID"]].drop_duplicates()
:这一部分代码将数据集中的 “小时” 和 “订单ID” 列提取出来,并对其进行去重操作,得到每小时的订单数量。 -
traffic.groupby("小时")["订单ID"].count().plot()
:这部分代码计算了每小时的客流量,首先使用groupby
函数按照 “小时” 列进行分组,然后对每个小时的订单ID数量进行计数操作。最后,调用plot
方法绘制曲线图,横轴为小时,纵轴为客流量(订单数量)。
查看源数据类型
import pandas as pd
from datetime import datetime
data=pd.read_csv("order-14.1.csv",parse_dates=["成交时间"],encoding='gbk')
data.head()
# print(data.head(5))
# 查看源数据类型
data.info()
-
import pandas as pd
:这行代码导入了Pandas库,并将其重命名为pd
,以便在后续代码中使用。 -
from datetime import datetime
:从 datetime 模块中导入 datetime 类。这是为了后续在解析日期时间时使用。 -
data=pd.read_csv("order-14.1.csv",parse_dates=["成交时间"],encoding='gbk')
:这行代码使用pd.read_csv()
函数读取名为 “order-14.1.csv” 的CSV文件,并将其加载到名为data
的DataFrame中。其中的参数解释如下:"order-14.1.csv"
:指定要读取的CSV文件的路径。parse_dates=["成交时间"]
:指定要解析为日期时间类型的列名。在这里,“成交时间” 列会被解析为日期时间类型,以便后续进行时间序列的分析。encoding='gbk'
:指定文件的编码格式为GBK,以正确解析包含中文字符的数据。
-
data.head()
:这行代码输出data
DataFrame 的前5行数据,以便查看数据的样式和结构。 -
data.info()
:这行代码用于打印有关DataFrame的基本信息,包括每列的名称、非空值的数量以及每列的数据类型等。这有助于了解数据的完整性和结构。
计算本月的相关的指标
# 计算本月的相关的指标
This_month=data[(data["成交时间"]>=datetime(2018,2,1))&(data["成交时间"]<=datetime(2018,2,28))]
# 销售额计算
sales_1=(This_month["销量"]*This_month['单价']).sum()
# 客流量计算
traffic_1=This_month["订单ID"].drop_duplicates().count()
# 客单价计算
s_t_1=sales_1/traffic_1
print("本月销售额为:{:.2f},客流量为:{},客单价为:{:.2f}".format(sales_1,traffic_1,s_t_1))
-
This_month=data[(data["成交时间"]>=datetime(2018,2,1))&(data["成交时间"]<=datetime(2018,2,28))]
:这行代码根据成交时间筛选出了本月的订单数据。使用了DataFrame的布尔索引,选择了成交时间在2月1日至2月28日之间的数据。 -
sales_1=(This_month["销量"]*This_month['单价']).sum()
:这行代码计算了本月的销售额。首先,将销量和单价相乘得到每笔订单的销售额,然后对所有订单的销售额进行求和。 -
traffic_1=This_month["订单ID"].drop_duplicates().count()
:这行代码计算了本月的客流量。首先,对订单ID列进行去重操作,然后计算去重后的订单数量,即客流量。 -
s_t_1=sales_1/traffic_1
:这行代码计算了本月的客单价,即销售额除以客流量。 -
print("本月销售额为:{:.2f},客流量为:{},客单价为:{:.2f}".format(sales_1,traffic_1,s_t_1))
:这行代码将计算结果打印输出,格式化输出了本月的销售额、客流量和客单价,保留两位小数。
计算上月相关指标
# 计算上月相关指标
last_month=data[(data["成交时间"]>=datetime(2018,1,1))&(data["成交时间"]<=datetime(2018,1,31))]
# 销售额计算
sales_2=(last_month["销量"]*last_month['单价']).sum()
# 客流量计算
traffic_2=last_month["订单ID"].drop_duplicates().count()
# 客单价计算
s_t_2=sales_2/traffic_2
print("本月销售额为:{:.2f},客流量为:{},客单价为:{:.2f}".format(sales_2,traffic_2,s_t_2))
-
last_month=data[(data["成交时间"]>=datetime(2018,1,1))&(data["成交时间"]<=datetime(2018,1,31))]
:这行代码根据成交时间筛选出了上月的订单数据。使用了DataFrame的布尔索引,选择了成交时间在1月1日至1月31日之间的数据。 -
sales_2=(last_month["销量"]*last_month['单价']).sum()
:这行代码计算了上月的销售额。首先,将销量和单价相乘得到每笔订单的销售额,然后对所有订单的销售额进行求和。 -
traffic_2=last_month["订单ID"].drop_duplicates().count()
:这行代码计算了上月的客流量。首先,对订单ID列进行去重操作,然后计算去重后的订单数量,即客流量。 -
s_t_2=sales_2/traffic_2
:这行代码计算了上月的客单价,即销售额除以客流量。 -
print("本月销售额为:{:.2f},客流量为:{},客单价为:{:.2f}".format(sales_2,traffic_2,s_t_2))
:这行代码将计算结果打印输出,格式化输出了上月的销售额、客流量和客单价,保留两位小数。
计算去年同期相关指标
# 计算去年同期相关指标
same_month=data[(data["成交时间"]>=datetime(2017,2,1))&(data["成交时间"]<=datetime(2017,2,28))]
sales_3=(same_month["销量"]*same_month["单价"]).sum()
traffic_3=same_month["订单ID"].drop_duplicates().count()
s_t_3=sales_3/traffic_3
print("本月销售额为:{:.2f},客流量为:{},客单价为:{:.2f}".format(sales_3,traffic_3,s_t_3))
-
same_month=data[(data["成交时间"]>=datetime(2017,2,1))&(data["成交时间"]<=datetime(2017,2,28))]
:这行代码根据成交时间筛选出了去年同期(2017年2月)的订单数据。使用了DataFrame的布尔索引,选择了成交时间在2017年2月1日至2017年2月28日之间的数据。 -
sales_3=(same_month["销量"]*same_month["单价"]).sum()
:这行代码计算了去年同期的销售额。首先,将销量和单价相乘得到每笔订单的销售额,然后对所有订单的销售额进行求和。 -
traffic_3=same_month["订单ID"].drop_duplicates().count()
:这行代码计算了去年同期的客流量。首先,对订单ID列进行去重操作,然后计算去重后的订单数量,即客流量。 -
s_t_3=sales_3/traffic_3
:这行代码计算了去年同期的客单价,即销售额除以客流量。 -
print("本月销售额为:{:.2f},客流量为:{},客单价为:{:.2f}".format(sales_3,traffic_3,s_t_3))
:这行代码将计算结果打印输出,格式化输出了去年同期的销售额、客流量和客单价,保留两位小数。
# 利用函数提高编码效率
def get_month_data(data):
sale=(data["销量"]*data["单价"]).sum()
traffic=data["订单ID"].drop_duplicates().count()
s_t=sale/traffic
return (sale,traffic,s_t)
# 本月相关指数
sales_1,traffic_1,s_t_1=get_month_data(This_month)
print(sales_1,traffic_1,s_t_1)
# 上月相关指数
sales_2,traffic_2,s_t_2=get_month_data(last_month)
print(sales_2,traffic_2,s_t_2)
# 去年同期相关指数
sales_3,traffic_3,s_t_3=get_month_data(same_month)
print(sales_3,traffic_3,s_t_3)
-
def get_month_data(data):
:这行代码定义了一个名为get_month_data()
的函数,它接受一个数据集data
作为输入参数。 -
sale=(data["销量"]*data["单价"]).sum()
:在函数内部,这行代码计算了给定数据的销售额。首先,将销量和单价相乘得到每笔订单的销售额,然后对所有订单的销售额进行求和。 -
traffic=data["订单ID"].drop_duplicates().count()
:这行代码计算了给定数据的客流量。首先,对订单ID列进行去重操作,然后计算去重后的订单数量,即客流量。 -
s_t=sale/traffic
:这行代码计算了给定数据的客单价,即销售额除以客流量。 -
return (sale,traffic,s_t)
:这行代码将销售额、客流量和客单价作为元组返回给调用方。 -
sales_1,traffic_1,s_t_1=get_month_data(This_month)
:这行代码调用get_month_data()
函数计算了本月的销售额、客流量和客单价,并将结果分别赋值给了sales_1
、traffic_1
和s_t_1
变量。 -
类似地,
sales_2,traffic_2,s_t_2=get_month_data(last_month)
和sales_3,traffic_3,s_t_3=get_month_data(same_month)
分别计算了上月和去年同期的相关指数。 -
最后,
print(sales_1,traffic_1,s_t_1)
、print(sales_2,traffic_2,s_t_2)
和print(sales_3,traffic_3,s_t_3)
分别打印出了本月、上月和去年同期的销售额、客流量和客单价。
创建DataFrame 添加同比和环比字段
# 创建DataFrame
report=pd.DataFrame([[sales_1,sales_2,sales_3],[traffic_1,traffic_2,traffic_3],[s_t_1,s_t_2,s_t_3]],
columns=["本月累计","上月同期","去年同期"],index=["销售额","客流量","客单价"])
# print(report)
# 添加同比和环比字段
report["环比"]=report["本月累计"]/report["上月同期"]-1
report["同比"]=report["本月累计"]/report["去年同期"]-1
-
report=pd.DataFrame([[sales_1,sales_2,sales_3],[traffic_1,traffic_2,traffic_3],[s_t_1,s_t_2,s_t_3]], columns=["本月累计","上月同期","去年同期"], index=["销售额","客流量","客单价"])
:这行代码创建了一个DataFrame对象report
。其中:[[sales_1,sales_2,sales_3],[traffic_1,traffic_2,traffic_3],[s_t_1,s_t_2,s_t_3]]
:是一个二维列表,包含了本月累计、上月同期和去年同期的销售额、客流量和客单价。columns=["本月累计","上月同期","去年同期"]
:指定了DataFrame的列标签,分别对应本月累计、上月同期和去年同期。index=["销售额","客流量","客单价"]
:指定了DataFrame的行标签,分别对应销售额、客流量和客单价。
-
report["环比"]=report["本月累计"]/report["上月同期"]-1
:这行代码计算了环比,即本月累计与上月同期的销售额、客流量和客单价的增长率。 -
report["同比"]=report["本月累计"]/report["去年同期"]-1
:这行代码计算了同比,即本月累计与去年同期的销售额、客流量和客单价的增长率。
# 查看报表
report
# 将结果导出本地
report.to_csv("order.csv",encoding="utf-8-sig")