【python】python 电子产品销售分析可视化（数据集+源码）【独一无二】

一、设计要求

主要实现了对电子产品销售数据的读取、处理、分析和可视化。具体而言，代码从CSV文件中读取数据，并展示初始数据内容。随后，通过各种条件查询操作，筛选出符合特定条件的数据记录，如价格大于100元、品牌为Samsung等。代码还进行了数据的计算与处理，添加了价格含税列和年龄段列，修改了特定条件下的字段值，并删除了不必要的列。排序操作按价格和年龄对数据进行升序和降序排序。此外，代码还进行了分组统计分析，计算每个品牌的平均价格、各年龄段的订单数量以及各性别的总消费金额。最后，通过折线图、柱状图和饼状图等可视化手段，直观展示了前20条记录的价格变化、前30个品牌的价格占比以及按性别和年龄段分组的统计结果。这些操作共同实现了对销售数据的全面分析与可视化呈现，为进一步的市场分析和决策提供了数据支持。

在这里插入图片描述

二、代码分析

导入库和配置

import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号

实现思路：

导入必要的库：pandas用于数据处理，matplotlib.pyplot用于数据可视化。
配置matplotlib以支持中文字符和负号的正常显示，确保在绘图时能够正确显示中文标签和负数。

显示初始数据

print("初始数据内容：")
print(data.head())

实现思路：

打印初始数据的前五条记录，以了解数据的基本结构和内容。

简单条件查询

price_gt_100 = data[data['price'] > 100]
print("价格大于100的记录：")
print(price_gt_100)

实现思路：

使用布尔索引查询price大于100的记录。
打印查询结果。

计算列数据的添加

data['price_with_tax'] = data['price'] * 1.10
print("添加税后价格的记录：")

实现思路：

计算每条记录的价格加上10%的税费，并将结果存储在一个新列price_with_tax中。
打印更新后的数据。

添加一行新数据

new_data = {
    'event_time': '2020-04-25 10:00:00 UTC',
    'order_id': 2.29460E+18,
    ...
}
data = data.append(new_data, ignore_index=True)

实现思路：

构造一条新数据，将其存储在一个字典中。
使用append方法将新数据添加到DataFrame中。

修改特定条件的数据

data.loc[data['category_code'].isnull(), 'category_code'] = 'unknown'
print("修改category_code为空后的记录：")

实现思路：

找出所有category_code为空的记录，并将其category_code修改为unknown。
打印更新后的数据。

数据删除操作

data = data.drop(columns=['local'])
print("删除'local'列后的记录：")

实现思路：

删除指定的列（如local），以简化数据结构。
打印更新后的数据。

数据排序处理

sorted_by_price = data.sort_values(by='price')
print("按价格升序排序后的记录：")

实现思路：

按照price列的值对数据进行升序排序。
打印排序后的数据。

分组统计查询

mean_price_by_brand = data.groupby('brand')['price'].mean()
print("按品牌分组的平均价格：")

实现思路：

按brand分组，计算每个品牌的平均价格。
打印分组后的统计结果。

数据可视化

plt.figure(figsize=(10, 6))
plt.plot(indices, prices, marker='o', linestyle='-', color='b')

折线图用于显示前20条记录的价格变化趋势。代码通过提取数据的前20条记录并获取其索引和价格，然后使用matplotlib的plot函数绘制折线图。在图表中，设置了图表的大小、标题、标签，并添加了网格线以便于观察数据点的变化。折线图清晰地展示了不同记录的价格走势，适合用来分析短期内价格的波动情况。

在这里插入图片描述

柱状图则用于展示前20条记录的价格分布情况。通过类似的方式提取前20条记录的价格数据，然后使用matplotlib的bar函数绘制柱状图。柱状图直观地显示了每条记录的价格差异，帮助识别高价和低价产品的数量及其价格区间。图表同样设置了标题和标签，便于理解图表的内容。柱状图可以很好地用于比较不同记录的价格，并在价格分析中提供清晰的视觉参考。

在这里插入图片描述

最后，饼状图用于展示前30个品牌的总价格占比。代码首先计算每个品牌的总价格，并选取前30个品牌的数据。然后使用matplotlib的pie函数绘制饼状图。通过饼状图，可以直观地看到各品牌在总价格中的占比，帮助分析哪些品牌占据了主要的市场份额。饼状图设置了标签和百分比显示，增强了数据的可读性和直观性。整体而言，这些可视化图表通过不同的方式展示了销售数据的特征和统计结果，为数据分析提供了丰富的视觉支持，便于更深入地理解和挖掘数据中的信息。