月度行业报告模板说明

最新推荐文章于 2024-08-05 16:47:37 发布

Best_CLW

最新推荐文章于 2024-08-05 16:47:37 发布

阅读量233

点赞数

分类专栏：项目代码

本文链接：https://blog.csdn.net/CLW1218/article/details/116994625

版权

项目代码专栏收录该内容

8 篇文章 1 订阅

订阅专栏

此报告详细分析了2021年4月空调行业的市场情况，涵盖项目总数、总金额、区域分布、招标及中标单位排行、注册资本分布等关键数据。并基于历史数据预测未来趋势，指出潜在的市场高峰和低谷区域。

摘要由CSDN通过智能技术生成

根据用户输入的关键词和时间区间搜索出该类项目数据
以“空调”为例，时间范围为2021/4/1至2021/4/30，模板中数据皆为虚拟数据，数据形式均为Excel表格

一、本月市场分析

1、本月项目总体情况

（1）本月项目总数和总金额、金额分布

项目总数：招标公告（不重复）总数
总金额：招标公告（不重复）预算金额总和
数据形式为Excel表格，样例如下表：
在这里插入图片描述
将上述所有的招标公告（不重复）根据预算金额划分为不同的规模区间，并统计各区间公告数量，样例如下表：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot
from bs4 import BeautifulSoup

plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号

data1 = pd.read_excel(r"D:\report\data\1\1.1.1 本月项目预算金额区间分布.xlsx")
num = max(data1['项目数量'])
x_label = np.array(data1['项目规模（元）'])
y = np.array(data1['项目数量'])
x_value = np.arange(len(x_label))

fig = plt.figure(figsize=(8,8))
# 取消轴
plt.axis('off')  
# 添加灰色底色
plt.barh(x_value,color='#F5F5F5',height=0.25,width=num,align='center') 
# 蓝色条形图 
plt.barh(x_value,color='#0099DC',height=0.25,width=y,align='center')    
# 图上方加标签
for a,b,label in zip(y,x_value,x_label):  
    plt.text(0,b+0.5,s=label,ha='left',va='center',fontsize=15)
    plt.text(num,b+0.5,s=a,ha='right',va='center',fontsize=15,weight='bold')
plt.text(0,9.5,s='本月项目预算金额区间分布',weight='bold',size=22)
plt.savefig(r"D:\report\picture\1\1.1.1 本月项目预算金额区间分布.png")

在这里插入图片描述

（2）本月项目区域分布

项目数量：招标公告（不重复）数量
项目规模：预算金额总数（万元）
以excel表格形式给出每个省份的招标公告（不重复）数量和相应的预算金额总数，样例如下表：
在这里插入图片描述

def ChinaMap(num1, list1, title, html_path, png_path):
    map1 = Map()
    # max_最大数据范围， range_color 渐变颜色范围
    map1.set_global_opts(
        visualmap_opts=opts.VisualMapOpts(max_=max(num1), range_color=['#feeeed', '#d64f44'], pos_left='15%', pos_bottom='10%', item_height=100, item_width=20),
        title_opts=opts.TitleOpts(title=title, pos_left='center', item_gap=15, title_textstyle_opts=opts.TextStyleOpts(font_size=25))
        )
    map1.add(series_name=None, data_pair=list1, maptype="china", is_map_symbol_show=False, center=['10%', '10%'])
    map1.render(html_path)
    # 将引用地图改为本地修改过坐标的地图
    with open(html_path, "r", encoding="utf-8") as f:
        f = f.read()
        sp = BeautifulSoup(f, features="lxml")        
    label_list = sp.find_all('script', src='https://assets.pyecharts.org/assets/maps/china.js')
    for label in label_list:
        label["src"] = 'D:/report/temp/china.js' 
    with open(html_path, 'w') as fp:
        fp.write(sp.prettify())    
    # 将HTML文件渲染为png
    make_snapshot(snapshot, html_path, png_path, is_remove_html=True)
    
# 数量区域分布
data2 = pd.read_excel(r"D:\report\data\1\1.1.2 本月项目区域分布.xlsx")
province = data2['所在地（省份）']
num1 = data2['招标公告数量']
list1 = [list(z) for z in zip(province, num1)]
title1 = '本月项目数量全国分布图'
html_path = "D:/report/temp/map.html"
png_path = "D:/report/picture/1/1.1.2 本月项目区域分布1.png"
ChinaMap(num1, list1, title1, html_path, png_path)

# 金额区域分布
province = data2['所在地（省份）']
num2 = data2['预算金额总数（万元）']
list2 = [list(z) for z in zip(province, num2)]
title2 = '本月项目金额全国分布图'
html_path = "D:/report/temp/map.html"
png_path = "D:/report/picture/1/1.1.2 本月项目区域分布2.png"
ChinaMap(num2, list2, title2, html_path, png_path)

在这里插入图片描述

（3）本月项目中标金额排行榜

将所有中标公告根据中标金额进行排序，找出本月中标金额最高的三个项目，对其进行重点介绍
以excel表格形式给出三个项目的项目标题、所在地、中标金额（万元）、中标公布时间、招标单位、代理单位、中标单位，样例如下表：
在这里插入图片描述

data3 = pd.read_excel(r"D:\report\data\1\1.1.3 本月项目规模排行榜.xlsx")
xm1 = data3.iloc[0,:]
fig = plt.figure(figsize=(10,10))
plt.axis('off')

# 第一组
plt.text(0,1,s='1',weight='bold',size=30,bbox={'facecolor':'red', 'alpha':0.9, 'pad':5.5})
plt.text(0.05,1,s=xm1[0],weight='bold',size=30)
# 第二组
plt.text(0,0.85,s='所在地',weight='light',size=25,color='gray')
plt.text(0,0.78,s=xm1[1],weight='bold',size=25)
# 第三组
plt.text(0,0.68,s='中标金额（万元）',weight='light',size=25,color='gray')
plt.text(0.6,0.68,s='中标公布时间', weight='light', size=25, color='gray')
plt.text(0,0.61,s=xm1[2],weight='bold',size=25)
plt.text(0.6,0.61,s=xm1[3].strftime("%Y-%m-%d"),weight='bold',size=25)
# 第四组
plt.text(0,0.51,s='招标单位', weight='light', size=25, color='gray')
plt.text(0,0.44,s=xm1[4],weight='bold',size=25)
# 第五组
plt.text(0,0.34,s='代理单位', weight='light', size=25, color='gray')
plt.text(0,0.27,s=xm1[5],weight='bold',size=25)
# 第六组
plt.text(0,0.17,s='中标单位', weight='light', size=25, color='gray')
plt.text(0,0.1,s=xm1[6],weight='bold',size=25)
plt.savefig(r"D:\report\picture\1\1.1.3 本月项目规模排行榜.png")

在这里插入图片描述

2、本月招标单位分析

（1）招标单位排行榜

以excel表格形式给出招标单位、项目数量，样例如下表：
在这里插入图片描述

data = pd.read_excel(r"D:\report\data\1\1.2.1 招标单位排行榜.xlsx")
data = data.sort_values(by=['项目数量'], ascending=True)  # 降序排列
num = data['项目数量'][0]
x_label = np.array(data['招标单位'])
y = np.array(data['项目数量'])
x_value = np.arange(len(x_label))

fig = plt.figure(figsize=(6,6))
plt.axis('off')  # 取消轴
plt.barh(x_value,color='#F5F5F5',height=0.3,width=num,align='center')  # 添加灰色底色
plt.barh(x_value,color='#0099DC',height=0.3,width=y,align='center')    # 蓝色条形图
for a,b,label in zip(y,x_value,x_label):  # 图上方加标签
    plt.text(0,b+0.4,s=label,ha='left',va='center',fontsize=15)
    plt.text(num,b+0.4,s=a,ha='right',va='center',fontsize=18,weight='bold')
plt.text(0,5.2,s='空调',weight='bold',size=25)
plt.text(num-0.7,5.2,s='项目数量',weight='bold',size=15,color='gray')
plt.ylim(-0.5,5)
plt.savefig(r"D:\report\picture\1\1.2.1 招标单位排行榜.png")

在这里插入图片描述

（2）招标单位区域分布

以excel表格形式给出每个省份本月招标单位数，样例如下表：
在这里插入图片描述

data = pd.read_excel(r"D:\report\data\1\1.2.2 招标单位区域分布.xlsx")
province = data['所在地（省份）']
num3 = data['招标单位数量']
list3 = [list(z) for z in zip(province, num3)]
title3 = '招标单位区域分布'
html_path = "D:/report/temp/map.html"
png_path = "D:/report/picture/1/1.2.2 招标单位区域分布.png"
ChinaMap(num3, list3, title3, html_path, png_path)

在这里插入图片描述

（3）招标单位类型/行业分布

以excel表格形式给出单位类型、数量，取本月招标单位所属类型数量最多的前五位，样例如下表：
在这里插入图片描述

data = pd.read_excel(r"D:\report\data\1\1.2.3 招标单位类型.xlsx")
data = data.sort_values(by=['数量'], ascending=True)  # 降序排列
num = data['数量'][0]
x_label = np.array(data['单位类型'])
y = np.array(data['数量'])
x_value = np.arange(len(x_label))

fig = plt.figure(figsize=(7,7))
plt.axis('off')  # 取消轴
plt.barh(x_value,color='#F5F5F5',height=0.3,width=num,align='center')
plt.barh(x_value,color='#0099DC',height=0.3,width=y,align='center')
for a,b,label in zip(y,x_value,x_label):  # 图上方加标签
    plt.text(0,b+0.35,s=label,ha='left',va='center',fontsize=17)
    plt.text(num,b+0.35,s=a,ha='right',va='center',fontsize=17,weight='bold')
plt.text(0,5.2,s='本月项目数量TOP5采购行业',weight='bold',size=25)
plt.ylim(-0.5,5)
plt.savefig(r"D:\report\picture\1\1.2.3 招标单位类型.png")

在这里插入图片描述

（4）重点单位介绍

项目总金额：预算金额
以excel表格形式给出招标单位、企业类型、企业注册地、采购项目数量、项目总金额、中标企业数量、外省中标企业、流标记录数
按照采购项目数量大小进行排序，样例如下表：
在这里插入图片描述

data = pd.read_excel(r"D:\report\data\1\1.2.4 招标重点单位介绍.xlsx")
fig = plt.figure(figsize=(7,7))
plt.axis('off')
#第一组
plt.text(0,0.95,s='1',weight='bold',size=25,bbox={'facecolor':'red', 'alpha':0.9, 'pad':5.5})
plt.text(0.08,0.95,s=data.iloc[0,0],weight='bold',size=25)
# 第二组
plt.text(0,0.75,s='企业类型',weight='light',size=20,color='gray')
plt.text(0,0.66,s=data.iloc[0,1],weight='bold',size=20)
# 第三组
plt.text(0,0.52,s='企业注册地', weight='light', size=20, color='gray')
plt.text(0.7,0.52,s='采购项目数量', weight='light', size=20, color='gray')
plt.text(0,0.44,s=data.iloc[0,2],weight='bold',size=20)
plt.text(0.7,0.44,s=data.iloc[0,3],weight='bold',size=20)
# 第四组
plt.text(0,0.3,s='项目总金额（万元）', weight='light', size=20, color='gray')
plt.text(0.7,0.3,s='中标企业数量', weight='light', size=20, color='gray')
plt.text(0,0.22,s=data.iloc[0,4],weight='bold',size=20)
plt.text(0.7,0.22,s=data.iloc[0,5],weight='bold',size=20)
# 第五组
plt.text(0,0.08,s='外省中标企业', weight='light', size=20, color='gray')
plt.text(0.7,0.08,s='流标记录数', weight='light', size=20, color='gray')
plt.text(0,0,s=data.iloc[0,6],weight='bold',size=20)
plt.text(0.7,0,s=data.iloc[0,7],weight='bold',size=20)
plt.savefig(r"D:\report\picture\1\1.2.4 招标重点单位介绍.png")

在这里插入图片描述

3、本月中标单位分析

（1）中标单位排行榜

以excel表格形式给出中标单位、项目数量，样例如下表：
在这里插入图片描述

data = pd.read_excel(r"D:\report\data\1\1.3.1 中标单位排行榜.xlsx")
data = data.sort_values(by=['项目数量'], ascending=True)  # 降序排列
num = data['项目数量'][0]
x_label = np.array(data['中标单位'])
y = np.array(data['项目数量'])
x_value = np.arange(len(x_label))
fig = plt.figure(figsize=(6,6))
plt.axis('off')  # 取消轴
plt.barh(x_value,color='#F5F5F5',height=0.3,width=num,align='center')
plt.barh(x_value,color='#0099DC',height=0.3,width=y,align='center')
for a,b,label in zip(y,x_value,x_label):  # 图上方加标签
    plt.text(0,b+0.4,s=label,ha='left',va='center',fontsize=15)
    plt.text(num,b+0.4,s=a,ha='right',va='center',fontsize=18,weight='bold')
plt.text(0,5.2,s='空调',weight='bold',size=25)
plt.text(num-0.7,5.2,s='项目数量',weight='bold',size=15,color='gray')
plt.ylim(-0.5,5)
plt.savefig(r"D:\report\picture\1\1.3.1 中标单位排行榜.png")

在这里插入图片描述

（2）中标单位区域分布

以excel表格形式给出每个省份本月中标单位数，样例如下表：
在这里插入图片描述

data = pd.read_excel(r"D:\report\data\1\1.3.2 中标单位区域分布.xlsx")
province = data['所在地（省份）']
num4 = data['中标单位数量']
list4 = [list(z) for z in zip(province, num4)]
title4 = '中标单位区域分布'
html_path = "D:/report/temp/map.html"
png_path = "D:/report/picture/1/1.3.2 中标单位区域分布.png"
ChinaMap(num4, list4, title4, html_path, png_path)

（3）中标单位类型/行业分布

以excel表格形式给出单位类型、数量，取本月中标单位所属类型数量最多的前五位，样例如下表：
在这里插入图片描述

data = pd.read_excel(r"D:\report\data\1\1.3.3 中标单位类型.xlsx")
data = data.sort_values(by=['数量'], ascending=True)  # 降序排列
num = data['数量'][0]
x_label = np.array(data['单位类型'])
y = np.array(data['数量'])
x_value = np.arange(len(x_label))

fig = plt.figure(figsize=(7,7))
plt.axis('off')  # 取消轴
plt.barh(x_value,color='#F5F5F5',height=0.3,width=num,align='center')  # 添加灰色底色
plt.barh(x_value,color='#0099DC',height=0.3,width=y,align='center')    # 蓝色条形图
for a,b,label in zip(y,x_value,x_label):  # 图上方加标签
    plt.text(0,b+0.35,s=label,ha='left',va='center',fontsize=17)
    plt.text(num,b+0.35,s=a,ha='right',va='center',fontsize=17,weight='bold')
plt.text(0,5.2,s='本月中标项目数量TOP5采购行业',weight='bold',size=23)
plt.ylim(-0.5,5)
plt.savefig(r"D:\report\picture\1\1.3.3 中标单位类型.png")

在这里插入图片描述

（4）中标单位注册资本分布

以excel表格形式给出本月中标企业资本分布、数量，样例如下表：
在这里插入图片描述

data = pd.read_excel(r"D:\report\data\1\1.3.4 中标单位注册资本分布.xlsx")
num = max(data['数量'])
x_label = np.array(data['资本分布'])
y = np.array(data['数量'])
x_value = np.arange(len(x_label))
fig = plt.figure(figsize=(8,8))
plt.axis('off')  # 取消轴
plt.barh(x_value,color='#F5F5F5',height=0.25,width=num,align='center')  # 添加灰色底色
plt.barh(x_value,color='#0099DC',height=0.25,width=y,align='center')    # 蓝色条形图
for a,b,label in zip(y,x_value,x_label):  # 图上方加标签
    plt.text(0,b+0.5,s=label,ha='left',va='center',fontsize=15)
    plt.text(num,b+0.5,s=a,ha='right',va='center',fontsize=15,weight='bold')
plt.text(0,9.5,s='本月中标企业注册资本分布',weight='bold',size=22)
plt.savefig(r"D:\report\picture\1\1.3.4 中标单位注册资本分布.png")

在这里插入图片描述

（5）重点单位介绍

以excel表格形式给出中标单位、企业类型、企业注册地、联系方式、注册资本（万元）、注册时间、中标项目数量、中标项目总金额（万元）
按照中标项目数量大小进行排序，样例如下表：
在这里插入图片描述

data = pd.read_excel(r"D:\report\data\1\1.3.5 中标重点单位介绍.xlsx")
fig = plt.figure(figsize=(7,7))
plt.axis('off')
#第一组
plt.text(0,0.95,s='1',weight='bold',size=25,bbox={'facecolor':'red', 'alpha':0.9, 'pad':5.5})
plt.text(0.08,0.95,s=data.iloc[0,0],weight='bold',size=25)
# 第二组
plt.text(0,0.75,s='企业类型',weight='light',size=20,color='gray')
plt.text(0,0.66,s=data.iloc[0,1],weight='bold',size=20)
# 第三组
plt.text(0,0.52,s='企业注册地', weight='light', size=20, color='gray')
plt.text(0.5,0.52,s='联系方式', weight='light', size=20, color='gray')
plt.text(0,0.44,s=data.iloc[0,2],weight='bold',size=20)
plt.text(0.5,0.44,s=data.iloc[0,3],weight='bold',size=20)
# 第四组
plt.text(0,0.3,s='注册资本（万元）', weight='light', size=20, color='gray')
plt.text(0.5,0.3,s='注册时间', weight='light', size=20, color='gray')
plt.text(0,0.22,s=data.iloc[0,4],weight='bold',size=20)
plt.text(0.5,0.22,s=data.iloc[0,5].strftime("%Y-%m-%d"),weight='bold',size=20)
# 第五组
plt.text(0,0.08,s='中标项目数量', weight='light', size=20, color='gray')
plt.text(0.5,0.08,s='中标项目总金额（万元）', weight='light', size=20, color='gray')
plt.text(0,0,s=data.iloc[0,6],weight='bold',size=20)
plt.text(0.5,0,s=data.iloc[0,7],weight='bold',size=20)
plt.savefig(r"D:\report\picture\1\1.3.5 中标单位注册资本分布.png")

在这里插入图片描述

二、整体市场分析

根据用户输入的关键词找出该类项目的近三年（之前两年全年加上今年已过去月份）数据
以“空调”为例，第一部分月报的时间范围为2021/4/1至2021/4/30，则整体分析的时间范围为2019/1/1至2021/4/30

1、月度项目数量

项目数量：该月发布的所有招标公告（不重复）数量
时间：最近三年，包括年月，按照时间早晚进行排序
以excel表格形式给出时间和相应的项目数量数据，样例如下表：
在这里插入图片描述

data5 = pd.read_excel(r'D:\report\data\2\2.1 每月项目总数.xlsx')
y1 = data5['项目数量'][0:12]
y2 = data5['项目数量'][12:24]
y3 = data5['项目数量'][24:]
x = range(1, 13)
fig = plt.figure(figsize=(8,5))
plt.plot(x, y1, marker='o', markersize=4, label='2019年')
plt.plot(x, y2, marker='o', markersize=4, label='2020年')
plt.plot(range(1, len(y3)+1), y3, marker='o', markersize=4, color='red', label='2021年')
# x轴名称
plt.xlabel('月份', fontsize='xx-large', fontweight='bold')
# y轴名称
plt.ylabel('项目数量', fontsize='xx-large', fontweight='bold')
# 设置x轴标签
plt.xticks(x, ['1月','2月','3月','4月','5月','6月','7月','8月','9月','10月','11月','12月'])
# 标题
plt.title('最近三年月度项目数量统计', fontsize=20, pad=20)
# 图例
plt.legend()
# 网格线
plt.grid()
plt.savefig(r"D:\report\picture\2\2.1 每月项目总数.png")

在这里插入图片描述
预测参考值=（前三月平均项目数量/同期前三月平均项目数量）* 同期项目数量
例如：2021年5月预测参考值=（2021年2、3、4月平均项目数量/2020年2、3、4月平均项目数量）* 2020年5月项目数量

以一个阈值（例如2021年4月项目数量的10%）判断下月走势。若5月预测值减去4月项目数量大于阈值，则预测为有上涨趋势；若4月项目数量减去5月预测值大于阈值，则预测为有下降趋势；两者之差的绝对值小于阈值，则预测为保持平稳。

给出一年中哪个季度可能是高峰，哪个季度可能是低谷
例如：如果前两年的一季度总数都最高，则认为一季度是高峰，否则不作描述

2、项目区域分布

根据该类项目近三年各省项目总数绘制全国热力地图，并文字说明该类项目主要集中地区（取最高的三个）
项目数量：招标公告（不重复）数量
以excel表格形式给出每个省份的招标公告（不重复）数量，样例如下表：
在这里插入图片描述

data = pd.read_excel(r"D:\report\data\2\2.2 项目区域分布.xlsx")
province = data['所在地（省份）']
num5 = data['招标公告数量']
list5 = [list(z) for z in zip(province, num5)]
title5 = '项目区域分布'
html_path = "D:/report/temp/map.html"
png_path = "D:/report/picture/2/2.2 项目区域分布.png"
ChinaMap(num5, list5, title5, html_path, png_path)