【Python】python零售公司商品销售情况数据分析(源码+数据)【独一无二】

简介: 【Python】python零售公司商品销售情况数据分析(源码+数据)【独一无二】


👉博__主👈:米码收割机

👉技__能👈:C++/Python语言

👉公众号👈:测试开发自动化【获取源码+商业合作】

👉荣__誉👈:阿里云博客专家博主、51CTO技术博主

👉专__注👈:专注主流机器人、人工智能等相关领域的开发、测试技术。



一、功能描述

采用python用于对零售公司商品销售情况进行数据分析:

  1. 绘制商品名称和商品金额的雷达图,展示销售额排名前20的商品情况。
  2. 分析下单时间趋势并绘制折线图,展示每日销售数量的变化趋势。
  3. 分析商品金额和数量之间的关系并绘制散点图,以不同商品分类进行区分。
  4. 组合图:将饼状图和柱状图放置在同一图中,展示各品类销售比例和订单状态分布。

此脚本使用了Pandas进行数据处理,Matplotlib和Seaborn进行数据可视化。

👇👇👇 关注公众号,回复 “零售数据分析” 获取源码👇👇👇

部分数据如下:

二、设计思路

  1. 数据读取和准备
  • 使用Pandas库的read_excel()函数读取原始数据文件,确保文件路径正确。
  • 数据文件包含订单记录,需要获取的信息包括商品分类、订单状态、商品名称、商品金额、下单时间和数量等。
  • 将读取的数据存储在DataFrame对象中,方便后续的数据分析和可视化。
  1. 各品类销售情况分析及饼状图绘制
  • 使用groupby()函数按照商品分类对数据进行分组,并计算每个品类的销售数量总和。
  • 将计算结果用于绘制饼状图,显示各品类销售比例。
  • 使用Matplotlib库的pie()函数绘制饼状图,并设置相应的参数如标签、百分比显示等。
  1. 订单状态分析及柱状图绘制
  • 使用value_counts()函数统计订单状态的数量分布。
  • 利用Seaborn库的barplot()函数绘制柱状图,展示不同订单状态的数量分布情况。
  • 在柱状图上添加合适的标签,确保图表清晰易读。

👇👇👇 关注公众号,回复 “零售数据分析” 获取源码👇👇👇

  1. 商品名称和商品金额的雷达图绘制
  • 首先,按商品名称对数据进行分组,并计算每个商品的销售金额总和。
  • 选取销售额排名前20的商品进行雷达图绘制。
  • 利用Matplotlib库的subplot()函数创建子图,绘制雷达图。
  • 设置雷达图的角度、标签、标题等参数,确保图表完整显示并清晰表达销售情况。
  1. 下单时间趋势分析及折线图绘制
  • 将下单时间转换为日期时间类型,并设置为数据框索引,便于按时间进行数据重采样。
  • 使用resample()函数按照日期进行重采样,并计算每日销售数量的总和。
  • 利用Matplotlib库绘制折线图,展示销售数量随时间的变化趋势。
  • 设置合适的标签、标题、轴标签等参数,使图表清晰易懂。
  1. 商品金额和数量关系分析及散点图绘制
  • 利用Seaborn库的scatterplot()函数绘制散点图,以商品金额为横坐标、数量为纵坐标,并按商品分类进行着色。
  • 设置散点图的标题、轴标签、图例等参数,以便理解商品金额与数量之间的关系。
  1. 组合图绘制
  • 使用Matplotlib库的subplot()函数创建包含多个子图的图表,以便同时展示不同的图表。
  • 将饼状图和柱状图放置在同一个图中,并设置合适的布局、标签等参数。
  • 最后使用tight_layout()函数调整子图的布局,使图表整体美观且易于理解。

👇👇👇 关注公众号,回复 “零售数据分析” 获取源码👇👇👇

三、可视化分析

商品名称和商品金额的雷达图绘制

👇👇👇 关注公众号,回复 “零售数据分析” 获取源码👇👇👇

下单时间趋势分析及折线图绘制

商品金额和数量关系分析及散点图绘制

👇👇👇 关注公众号,回复 “零售数据分析” 获取源码👇👇👇

组合图绘制

👇👇👇 关注公众号,回复 “零售数据分析” 获取源码👇👇👇

四、部分代码

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
# 读取数据
df = pd.read_excel('原始记录条.xlsx', engine='openpyxl')
category_sales = df.groupby('商品分类')['数量'].sum()
order_status_counts = df['订单状态'].value_counts()
# 名称和商品金额的雷达图
# 按商品金额降序排序
top20_products = df.groupby('商品名称')['商品金额'].sum().sort_values(ascending=False).head(20)
# 绘制雷达图
categories = top20_products.index
values = top20_products.values
# 角度
angles = np.linspace(0, 2 * np.pi, len(categories), endpoint=False)
# 使雷达图封闭
values = np.concatenate((values, [values[0]]))
angles = np.concatenate((angles, [angles[0]]))
# 创建雷达图
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(polar=True))
ax.fill(angles, values, color='orange', alpha=0.5)
ax.set_yticklabels([])
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories, color='grey', size=8)
ax.set_title('Top 20 商品销售额雷达图', size=15, color='blue', y=1.1)
plt.show()
# 剩余代码略...

👇👇👇 关注公众号,回复 “零售数据分析” 获取源码👇👇👇


相关文章
|
5天前
|
缓存 算法 数据安全/隐私保护
VVICitem_search - 根据关键词取关键词取商品列表接口深度分析及 Python 实现
VVIC item_search接口支持关键词搜索服装商品,提供价格、销量、供应商等数据,助力市场调研与采购决策。
|
6天前
|
缓存 自然语言处理 算法
item_search - Lazada 按关键字搜索商品接口深度分析及 Python 实现
Lazada的item_search接口是关键词搜索商品的核心工具,支持多语言、多站点,可获取商品价格、销量、评分等数据,适用于市场调研与竞品分析。
|
8天前
|
自然语言处理 算法 数据安全/隐私保护
item_review - Lazada 商品评论列表接口深度分析及 Python 实现
Lazada商品评论接口(item_review)可获取东南亚多国用户评分、评论内容、购买属性等数据,助力卖家分析消费者偏好、优化产品与营销策略。
|
9天前
|
JSON API 数据安全/隐私保护
Python采集淘宝评论API接口及JSON数据返回全流程指南
Python采集淘宝评论API接口及JSON数据返回全流程指南
|
9天前
|
小程序 PHP 图形学
热门小游戏源码(Python+PHP)下载-微信小程序游戏源码Unity发实战指南​
本文详解如何结合Python、PHP与Unity开发并部署小游戏至微信小程序。涵盖技术选型、Pygame实战、PHP后端对接、Unity转换适配及性能优化,提供从原型到发布的完整指南,助力开发者快速上手并发布游戏。
|
10天前
|
JSON 监控 数据格式
1688 item_search_app 关键字搜索商品接口深度分析及 Python 实现
1688开放平台item_search_app接口专为移动端优化,支持关键词搜索、多维度筛选与排序,可获取商品详情及供应商信息,适用于货源采集、价格监控与竞品分析,助力采购决策。
|
11天前
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。
JSON 监控 API
29 0
|
17天前
|
搜索推荐 算法 关系型数据库
基于python评论分析的商品推荐系统设计
本文介绍了多种开发技术,包括Python集成开发环境PyCharm、自然语言处理工具SnowNLP、关系型数据库MySQL、Python语言特性、Django Web框架以及协同过滤算法。内容涵盖各技术的基本功能、特点及其在实际开发中的应用,适用于初学者和开发者了解相关工具与框架的使用与优势。

热门文章

最新文章

推荐镜像

更多