Python数据分析与可视化典型项目实战（微课版）课件 模块五 商品销量数据分析.pptx

模块五商品销量数据分析Python数据分析与可视化典型项目实战（微课版）

【任务描述】【任务描述】Excel文件“商品销售数据.xlsx”共有1948行、7列数据，列名分别为：销售日期、销售区域、销售渠道、销售订单、品牌、售价、销售数量。针对该数据集完成以下统计计算与数据分析操作。（1）统计月度、季度销售额。（2）统计各月的最高销售额、最低销售额和平均销售额。（3）统计各个品牌销售额占比和季度销售额占比。（4）统计各区域月度销售额。（5）统计各渠道各个品牌的销量。（6）统计不同售价区间的月度销量占比。【任务实现】在JupyterNotebook开发环境中创建tc05-01.ipynb，然后在单元格中编写代码并输出对应的结果。【任务5-1】商品销售数据处理与统计分析

商品销售数据处理与统计分析1．导入模块%configInlineBackend.figure_format=svg#矢量图设置2．导入数据path=rdata\商品销售数据.xlsx#默认读取Excel文件的第一个工作表sales_df=pd.read_excel(path)sales_df.head()3．数据预处理查看数据集的基本信息sales_()

商品销售数据处理与统计分析如果“销售日期”列数据不是规范的日期格式数据，即其数据类型不是“datetime64”，则可以先使用to_datetime()进行格式转换，代码如下：sales_df[销售日期]=pd.to_datetime(sales_df[销售日期])如果转换日期格式时约定日期格式为“%Y-%m-%d”，则可以写成以下形式：sales_df[销售日期]=pd.to_datetime(sales_df[销售日期],format=%Y-%m-%d,errors=coerce)如果“销售日期”列数据包括星期数据，则可以使用以下代码抽取日期数据前10位：sales_df[销售日期]=sales_df[销售日期].astype(str).str.slice(0,10)从“销售日期”列数据中获取“年”“月”“日”“季度”数据sales_df[年]=sales_df[销售日期].dt.yearsales_df[月]=sales_df[销售日期].dt.monthsales_df[日]=sales_df[销售日期].dt.daysales_df[季度]=sales_df[销售日期].dt.quartersales_df.sample(5)

商品销售数据处理与统计分析对规范日期格式的“销售日期”列数据，也可以使用split()分离出年、月、日数据，代码如下：dateDf=sales_df[销售日期].astype(str).str.split(-,2,expand=True)sales_df[年]=dateDf[0]sales_df[月]=dateDf[1]sales_df[日]=dateDf[2]统计月度销售额sales_df.groupby(月).销售额.sum()4．统计计算与数据分析计算销售额sales_df[销售额]=sales_df.售价*sales_df.销售数量sales_df.head()

商品销售数据处理与统计分析统计季度销售额sales_df.groupby(季度).销售额.sum()统计各月的最高销售额（amax）、最低销售额（amin）和平均销售额（mean）sales_df.groupby(月).销售额.agg([np.max,np.min,np.mean])统计各个品牌销售额占比plt.figure(figsize=(10,5))temp=sales_df.groupby(品牌).销售额.sum()temp.plot(kind=pie,autopct=%.2f%%,fontsize=12)plt.title(各个品牌销售额占比,fontsize=16)plt.show()

商品销售数据处理与统计分析统计季度销售额占比plt.figure(figsize=(10,5))plt.title(季度销售额占比,fontsize=16)temp=sales_df.groupby(季度).销售额.sum()temp.plot(kind=pie,autopct=%.2f%%,fontsize=12)plt.show()统计各区域月度销售额使用groupby()函数统计各区域月度销售额的代码如下：sales_df.grou