分析商品销售情况

查看数据类型

new_goods_data.dtypes

将购买数量转换为整数类型

new_goods_data['购买数量'] = new_goods_data['购买数量'].astype(int)

按产品名称分组，计算销售量并排序

num = new_goods_data.groupby('产品名称').agg(sum).sort_values('购买数量', ascending=False)

可视化销售量排行榜

import matplotlib.pyplot as plt plt.style.use('ggplot') plt.barh(range(20), num['购买数量'][:20]) plt.yticks(range(20), num.index[:20]) plt.ylabel('产品名称') plt.xlabel('销售量') plt.title('销售量排行榜（前二十）') plt.show()

分析某一台设备不同时间的销售情况

ind = data2['设备编号'] ==112866 data_112 = data2.loc[ind, :]

查看数据形状和列名

data_112.shape data_112.columns

计算某一台设备不同日期的销售情况

data_112['date'] = data_112['下单时间'].dt.date data_112['income'] = data_112['总金额(元)'] - data_112['退款金额(元)'] num = data_112[['date', 'income']].groupby('date').sum().sort_index()

可视化销售情况

import matplotlib.pyplot as plt plt.plot(num.index, num) plt.xticks(num.index[::8], num.index[::8], rotation=90) plt.show()

计算某一台设备不同星期的销售情况

data_112['weekday'] = data_112['下单时间'].dt.weekday num = data_112[['weekday', 'income']].groupby('weekday').sum().sort_index() plt.plot(num.index, num) plt.xticks(num.index, num.index, rotation=90) plt.show()

计算某一台设备不同月份不同星期的销售情况

data_112['month'] = data_112['下单时间'].dt.month num = data_112[['weekday', 'income', 'month']].groupby(['month', 'weekday']).sum() num = num.unstack() week = [0, 1, 2, 3, 4, 5, 6] num2 = num.loc[:, [('income', i) for i in week]] for i in range(5, 10): plt.plot(week, num2.loc[i, :]) plt.legend([f'{i}月' for i in range(5, 10)]) plt.show()

分析某一台设备不同时间的销售情况

data_112['hour'] = data_112['下单时间'].dt.hour num = data_112[['hour','income']].groupby('hour').sum().sort_index() plt.plot(num.index,num) plt.xticks(num.index,num.index,rotation=90) plt.show()

计算某一台设备不同月份不同时间的销售情况

data_112['hour'] = data_112['下单时间'].dt.hour num = data_112[['hour','income','month']].groupby(['month','hour']).sum() num = num.unstack().fillna(0)

for i in range(5, 10): plt.plot(range(24), num.loc[i, :]) plt.legend([f'{i}月' for i in range(5, 10)]) plt.show()

计算某一台设备不同星期不同时间的销售情况

data_112['hour'] = data_112['下单时间'].dt.hour num = data_112[['hour', 'income', 'weekday']].groupby(['weekday', 'hour', ]).sum() num = num.unstack().fillna(0)

for i in num.index: plt.plot(range(24), num.loc[i, :]) plt.legend(num.index) plt.show()

分析不同日期的销售情况

data2['date'] = data2['下单时间'].dt.date data2['income'] = data2['总金额(元)'] - data2['退款金额(元)'] num = data2[['dat