python学习案例--车型销量堆积面积图

一、项目背景

随着我国国民经济的不断发展，人们对生活的质量要求也越来越高，许多的家庭购买了汽车，人民对汽车的需求逐年提高。传统的汽车销售模式已经不再适应当前汽车销售的发展需求，无法对客户的信息和汽车销售的信息进行综合的管理，非常不方便，无法为汽车销售厂商从汽车销售里分析有效的信息。

随着我国汽车工业的发展，汽车销售业面临的竞争也在逐渐的增强，采用信息化的手段来改变当前汽车销售厂商被动的销售局面和复杂的信息管理方式已经成为当前行汽车销售厂商不断探索和努力的方向。在这种背景下采用计算机的手段来开发一种汽车销售系统，集数据采集、数据处理、数据存储、数据输入、数据挖掘于一体的汽车销售系统能够很好的解决当前汽车销售所面临的问题。
 

导入数据

import pandas as pd

data_mpv_sale = pd.read_excel(r'E:\20210322022\数据可视化\MPV销量数据2012-2021(1).xlsx')
data_mpv_sale

数据去重

进行性数据加工，筛选条件

 

 重组数据结构

# 定义时间列表
year = [2017,2018,2019,2020,2021]
season = [1,2,3,4]
list_time = []
for y in year:
    for s in season:
        if y==2021 and s>=3:
            break
        else:
            list_time.append(f'{y}年{s}季度')
list_time

# 定义字典存储20辆车的季度销量信息
sale_dict = {}
for c in sale_total20:
    sale_dict.setdefault(c,[]) # 创建键:c，值:[]
    for t in list_time:
        if t in sale_season[c].index:
            sale_dict[c].append(int(sale_season[c][t]))
        else:
            sale_dict[c].append(0) # 没有销量记录的季度需要手动填入0
sale_dict

import pyecharts.options as opts
from pyecharts.charts import Line

c = (
    Line(init_opts=opts.InitOpts(width='800px',height='400px'))
    .add_xaxis(xaxis_data=list_time)
    
    .set_global_opts(
#         title_opts=opts.TitleOpts(title="2017-2021年MPV销量前10名车型走势"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"), # 配置提示框
        yaxis_opts=opts.AxisOpts(
            type_="value",
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
        xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),
        datazoom_opts=opts.DataZoomOpts(), # 配置滑动条
    )
)

for name,sale_list in sale_dict.items():
    c.add_yaxis(
        series_name=name, # 序列名称，由车型名称定义
        stack="总量", # 设置堆积图
        y_axis=sale_list, # 销量数据
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5), # 设置面积图
        label_opts=opts.LabelOpts(is_show=False),
        is_smooth = True, # 显示平滑曲线
    )
c.render_notebook()

好了，这样我们就可以成功的看到近几年品牌销量走势了。