# 导入模块
import pandas as pd
import matplotlib.pyplot as plt
# 读取csv文件
df2019= pd.read_csv("/Users/Lily/2019年下半年订单表.csv")
df2020= pd.read_csv("/Users/Lily/2020年上半年订单表.csv")
# 使用pd.concat()函数纵向合并df2019、df2020
dfYear= pd.concat([df2019,df2020])
# 将"下单时间"这列字符串类型的数据转化成时间类型
dfYear["下单时间"] = pd.to_datetime(dfYear["下单时间"])
# 将"下单时间"这列设置成新的索引
dfnewYear = dfYear.set_index("下单时间")
# 使用groupby()函数,将「订单数据表」按「商品ID」进行分组,「按月采样」计算出订单「数量」的和
dfSales = dfnewYear["数量"].groupby(dfnewYear["商品ID"]).resample("M").sum()
# 还原索引index
dfnewSales = dfSales.reset_index()
# 将"下单时间"这列设置成“年-月”的字符串类型
dfnewSales["下单时间"] = dfnewSales["下单时间"].dt.strftime("%Y-%m")
# 读取csv文件
dfEV= pd.read_csv("/Users/Lily/Exposure.csv")
# 使用pd.merge()函数,横向关联dfEV、dfnewSales,指定左边DataFrame的关联列为["ID","Month"],右边DataFra
电商销售数据分析
最新推荐文章于 2024-03-04 23:57:49 发布