目录
1.读取数据
数据存放在表格中，我们用pandas将其读出来
import pandas as pd
data=pd.read_csv('超市运营数据.csv',encoding='gbk',parse_dates=["成交时间"])
data
2.分析哪些类别的商品比较畅销
首先将数据按照类别ID进行分组，然后对分组后的销量进行求和，最后用reset_index重置索引
data_group=data.groupby("类别ID")["销量"].sum().reset_index()
data_group
为了取出销量最好的10类商品类别，我们可以对data_group按照“销量”进行排序，取出前10个
data_group=data_group.sort_values(by="销量",ascending=False).head(10)
data_group
| 类别ID | 销量 | |
|---|---|---|
| 240 | 922000003 | 425.328 |
| 239 | 922000002 | 206.424 |
| 251 | 923000006 | 190.294 |
| 216 | 915030104 | 175.059 |
| 238 | 922000001 | 121.355 |
| 367 | 960000000 | 121.000 |
| 234 | 920090000 | 111.565 |
| 249 | 923000002 | 91.847 |
| 237 | 922000000 | 86.395 |
| 247 | 923000000 | 85.845 |
3.分析哪些商品比较畅销
分析逻辑与哪些类别的分析一致，代码如下：
data_group=data.groupby("商品ID")["销量"].sum().reset_index().sort_values(by="销量",ascending=False).head(10)
data_group
| 商品ID | 销量 | |
|---|---|---|
| 8 | 29989059 | 391.549 |
| 18 | 29989072 | 102.876 |
| 469 | 30022232 | 101.000 |
| 523 | 30031960 | 99.998 |
| 57 | 29989157 | 72.453 |
| 476 | 30023041 | 64.416 |
| 505 | 30026255 | 62.375 |
| 7 | 29989058 | 56.052 |
| 510 | 30027007 | 48.757 |
| 903 | 30171264 | 45.000 |
4.分析不同门店的销售额占比
首先计算销售额，并添加到数据中：
data['销售额']=data['销量']*data['单价']
data
按照门店进行分组，对分组后的营业额进行求和：
data_group=data.groupby('门店编号')['销售额'].sum().reset_index()
data_group
用饼图画出销售额占比：
from pyecharts import options as opts
from pyecharts.charts import Pie
x=list(data_group['门店编号'])
y=list(data_group['销售额'])
pie = (
Pie()
.add(
"",
[(i,j)for i,j in zip(x,y)],
radius=["30%", "75%"],
center=["50%", "50%"],
rosetype="radius",
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(title_opts=opts.TitleOpts(title="门店销售额占比"))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}"))
)
pie.render_notebook()
5.分析超市客流高分高峰时间段
了解客流高峰时间段是很有必要的，可以帮助超市确定什么时间开展促销活动最合适
首先从日期中提取小时数
data['小时']=data['成交时间'].map(lambda x:int(x.strftime("%H")))
data
对小时和订单进行去重
traffic=data[['小时','订单ID']].drop_duplicates()
traffic
计算每小时的订单量
traffic_count=traffic.groupby("小时")["订单ID"].count()
traffic_count
小时
6 10
7 37
8 106
9 156
10 143
11 63
13 30
14 36
15 17
16 50
17 73
18 71
19 71
20 39
21 16
Name: 订单ID, dtype: int64
画出折线图：
import pyecharts.options as opts
from pyecharts.charts import Line
x=[str(i) for i in list(range(6,22))]
y=list(traffic_count)
line=(
Line()
.add_xaxis(xaxis_data=x)
.add_yaxis(series_name="销量",y_axis=y, is_smooth=True)
.set_global_opts(
title_opts=opts.TitleOpts(title="不同时段销量折线图"),
yaxis_opts=opts.AxisOpts(
axistick_opts=opts.AxisTickOpts(is_show=True),
splitline_opts=opts.SplitLineOpts(is_show=True),
),)
)
line.render_notebook()
从上图可以发现，8点至10点是超市一天中的销量高峰期，然后17至19点又有一个小高峰，所以这两个时间段搞促销效果会比较好！