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

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)

1. 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。

2. .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。

3. .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。

4. .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)

1. 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。

2. .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。

3. .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。

4. .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

1. 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。

2. 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。

3. 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。

4. 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 pltplt.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()

1. 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。

2. 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。

3. 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 datetimedata=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()

1. 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。

2. 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。

3. 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。

4. 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。

5. 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))

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。

2. 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。

3. 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。

4. 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。

5. 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))

1. 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。

2. 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。

3. 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。

4. 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。

5. 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))

1. 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。

2. 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。

3. 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。

4. 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。

5. 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/trafficreturn (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)

1. 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。

2. 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。

3. 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。

4. 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。

5. 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。

6. 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。

7. 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。

8. 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"]-1report["同比"]=report["本月累计"]/report["去年同期"]-1

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。

2. 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。

3. 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")