数据分析案例3

先上数据
链接：https://pan.baidu.com/s/1ww-RGzrCORSczNxHBxScGA
提取码：4l05

这次是五个无人售货机一年的销售数据，同样是利用jupternotebook开发的。

首先读取数据

import pandas as pd
retail_data=pd.read_csv(r'C:\\Users\\Administrator\\Desktop\\retail-master\\retail-master\\onefinal.csv',engine='python')
retail_data

重命名

retail_data.columns=['order_number','ID_number','price','out_price','pro_name','order_time','site','status','tixian']
retail_data[:10]

一年的汇总情况

#一年的汇总情况
retail_data.out_price.sum()

最后得286979.6999999943

按site进行分类统计（ABCDE）

site_data=retail_data.groupby(by='site').out_price.sum()
site_data

用饼图展示售货总体情况

#各个点的售货总体情况
site_data.plot.pie(autopct='%1.1f%%')

我们发现时间是年月日时分秒类型的，我们打算把它变成X月的类型，就要做时间格式化

retail_data['month']=pd.to_datetime(retail_data['order_time'],format='%Y/%m/%d %H:%M:%S').dt.month
retail_data

对月分组，查看销量与月份之间的关系

retail_data_month=retail_data.groupby(by='month')

data123=retail_data_month['pro_name'].count()
data123.plot.bar()

输入销量前十名的商品

#销量前10名
top_10product=retail_data['pro_name'].value_counts().sort_values(ascending=False)[0:10]
top_10product

输入销量小于5的商品（建议下架了）

total_summary=retail_data['pro_name'].value_counts().sort_values(ascending=False)
total_summary[total_summary<=5]

图片仅是部分

对各个售货点的分组

#对各个售货点的分组
retail_data_A=retail_data.loc[retail_data['site']=='A']
retail_data_B=retail_data.loc[retail_data['site']=='B']
retail_data_C=retail_data.loc[retail_data['site']=='C']
retail_data_D=retail_data.loc[retail_data['site']=='D']
retail_data_E=retail_data.loc[retail_data['site']=='E']

#输出site A的销售情况（用饼图）
retail_data_A_permonth=retail_data_A.groupby(by='month')['pro_name'].count()
retail_data_A_permonth.plot.pie(autopct='%1.1f%%')

site B的销售情况

retail_data_B_permonth=retail_data_B.groupby(by='month')['pro_name'].count()
retail_data_B_permonth.plot.pie(autopct='%1.1f%%')

site C的销售情况

retail_data_C_permonth=retail_data_C.groupby(by='month')['pro_name'].count()
retail_data_C_permonth.plot.pie(autopct='%1.1f%%')

site D的销售情况

retail_data_D_permonth=retail_data_D.groupby(by='month')['pro_name'].count()
retail_data_D_permonth.plot.pie(autopct='%1.1f%%')

site E的销售情况

retail_data_E_permonth=retail_data_E.groupby(by='month')['pro_name'].count()
retail_data_E_permonth.plot.pie(autopct='%1.1f%%')