第四届“泰迪杯”数据分析技能赛-赛题A：《通讯产品销售和盈利能力分析》报告

Python编程站

已于 2022-05-02 13:47:35 修改

阅读量9.6k

点赞数 11

分类专栏： python 文章标签：数据分析数据挖掘 big data

于 2022-05-01 12:37:44 首次发布

本文链接：https://blog.csdn.net/qq_33215172/article/details/124525040

版权

python 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

通讯产品销售和盈利能力分析

此报告是去年比赛的时候写的，代码上如果有不足的地方还望大家多多包涵~

赛题A二等奖报告

一、背景

进入本世纪以来，我国通讯产品得到了飞速发展，其技术先进，价格便宜，深受世界各国和地区尤其是非洲国家的欢迎。某通讯公司在非洲的多个国家深耕多年，产品与服务遍布整个非洲大陆。为了更好地了解公司的销售情况，采用产品的销售额和利润数据，对其盈利能力进行分析和预测，给决策人员提供分析报告，以便为非洲各国提供更好的产品销售策略和服务。

二、目标

1. 统计产品在当地的销售数据，预测未来的销售情况。
2. 设计可视化数字大屏，展示产品的销售情况，分析产品的盈利能力。

三、任务

任务 1

数据分析与预测

任务 1.1

统计各个年度/季度中，地区、国家、服务分类的销售额和利润数据，并计算各国、各服务分类销售额和利润的同比增长率。

实现思路：

首先将文件加载，然后新增记录年份月季度，并使用数据透视表，将年份、地区、国家、服务分类等字段作为行标，将要进行计算的字段：销售额、利润字段作为值，并对值进行求和运算，将处理好的数据保存为 excel 文件。加载处理好的季度与年度销售额利润统计文件，按年份与服务分类进行分组，并使用agg 聚合函数对销售额与利润列进行求和。并自定义一个函数来计算出销售额与利润的同比增长率。将处理好的数据保存

实现代码：

def task1_1():
    df = pd.read_excel('../非洲通讯产品销售数据.xlsx')
    df = pd.DataFrame(df)
    df['日期'] = pd.to_datetime(df['日期'])
    df['年份'] = df['日期'].dt.year
    df['季度'] = df['日期'].dt.quarter

    year_annual = pd.pivot_table(df, index=['年份', '地区', '国家', '服务分类'], values=['销售额', '利润'],
                                 aggfunc='sum').reset_index()

    quarter_annual = pd.pivot_table(df, index=['年份', '季度', '地区', '国家', '服务分类'], values=['销售额', '利润'],
                                    aggfunc='sum').reset_index()
    print(year_annual)
    print(quarter_annual)
    year_annual.to_excel('各年度销售额与利润统计.xlsx', index=False)
    quarter_annual.to_excel('各季度销售额与利润统计.xlsx', index=False)


# task1_1()


def tongbi(data):
    data['tongbi_shu'] = data.销售额.diff()
    data['tongbi_shu1'] = data.利润.diff()
    data.fillna(0, inplace=True)
    data['销售额同比增长率'] = data['tongbi_shu'] / (data['销售额'] - data['tongbi_shu'])
    data['利润同比增长率'] = data['tongbi_shu1'] / (data['利润'] - data['tongbi_shu1'])
    return data


# ，并计算各国、各服务分类销售额和利润的同比增长率。
def task1_1_sub():
    df = pd.read_excel('各季度销售额与利润统计.xlsx')
    df1 = pd.read_excel('各年度销售额与利润统计.xlsx')
    df1.drop(columns=['服务分类'], inplace=True)
    df1 = df1.groupby(['年份', '国家']).agg({'销售额': 'sum', '利润': 'sum'}).reset_index()
    df1 = df1.groupby(['国家']).apply(tongbi)
    df1.to_excel('各国家同比增长率.xlsx', index=False)
    df2 = df.groupby(['年份', '服务分类']).agg({'销售额': 'sum', '利润': 'sum'}).reset_index()
    df2 = df.groupby(['服务分类']).apply(tongbi)
    df2.to_excel('各服务分类同比增长率.xlsx', index=False)
    print(df2)


# task1_1_sub()


# 任务 1.2 统计各地区、国家有关服务分类销售额和利润数据。
def task1_2():
    df = pd.read_excel('../非洲通讯产品销售数据.xlsx')
    # print(df.head(200).to_string())
    df1 = pd.pivot_table(df, index=['地区', '国家', '服务分类'], values=['销售额', '利润'], aggfunc=np.sum).reset_index()
    print(df1.head(100).to_string())
    df1.to_excel('各地区、国家、服务分类销售额和利润.xlsx', index=False)

各国、各服务分类销售额和利润的同比增长率处理代码

处理后的数据：

2020 年年度销售额前 3 名的国家及其年增长率

任务 1.2

统计各地区、国家有关服务分类销售额和利润数据。

实现思路：

首先将处理好的数据加载，并按照国家、服务分类、季度进行分组，并将处理好的文件保存。

实现代码：

def task1_2():
    df = pd.read_excel('../非洲通讯产品销售数据.xlsx')
    # print(df.head(200).to_string())
    df1 = pd.pivot_table(df, index=['地区', '国家', '服务分类'], values=['销售额', '利润'], aggfunc=np.sum).reset_index()
    print(df1.head(100).to_string())
    df1.to_excel('各地区、国家、服务分类销售额和利润.xlsx', index=False)

处理后的图表：

任务 1.3

统计各个销售经理的成交合同数和成交率。

实现思路：

首先将数据加载，分别按照销售经理字段进行分组求和，成交率字段求均值，将两个表进行合并，并更改成交率的格式为百分比格式。将处理好的文件进行保存。

实现代码：

def task1_3():
    df = pd.read_excel('../非洲通讯产品销售数据.xlsx', sheet_name=1)
    # print(df)
    df = pd.DataFrame(df)
    # df = df.drop(["备注：本表格中“销售合同”为“已成交合同”。"])
    # print(df.to_string())
    df1 = df["销售合同"].groupby(df["销售经理"]).sum()
    df1 = pd.DataFrame(df1).sort_values('销售经理', ascending=False).reset_index()
    df2 = df["成交率"].groupby(df["销售经理"]).mean()
    df2 = pd.DataFrame(df2).sort_values('销售经理', ascending=False).reset_index()
    df3 = pd.merge(df1, df2, on="销售经理")
    df3["成交率"] = df3["成交率"].apply(lambda x: format(x, '.2%'))
    print(df3)
    df3.to_excel("各销售经理的成交合同数和成交率.xlsx")

处理后的数据：