大家好，我是小F～
在数据时代，销售数据分析的重要性已无需赘言。
只有对销售数据的准确分析我们才有可能找准数据变动(增长或下滑)的原因。
然后解决问题、发现新的增长点才会成为可能！
今天就给大家介绍一个用Python制作销售数据大屏的方法。
主要使用Python的Streamlit库、Plotly库、Pandas库进行搭建。
其中Pandas处理数据，Plotly制作可视化图表，Streamlit搭建可视化页面。
对于以上三个库，Streamlit库可能大家会比较陌生，我简单介绍一下。
Streamlit是一个完全免费的开源应用程序框架，它能帮你不用懂得复杂的HTML，CSS等前端技术就能快速做出来一个炫酷的Web页面。
文档地址
https://docs.streamlit.io/
具体的大家可以去看文档学习，多动手练习。
下面就给大家讲解一下如何搭建销售数据看板～
01. 数据
使用的数据是虚构数据，某超市2021年销售订单数据，共有1000条的订单数据。
城市有三个，分别为北京、上海、杭州。顾客类型有两种，为会员和普通。顾客性别为男性和女性。
剩下还包含订单编号、商品类型、单价、数量、总价、日期、时间、支付方式、成本、毛利率、总收入、评分等信息。
通用Pandas的read_excel方法读取数据。
跳过前3行，选取B到R列，1000行数据。
def get_data_from_excel():
df = pd.read_excel(
io="supermarkt_sales.xlsx",
engine="openpyxl",
sheet_name="Sales",
skiprows=3,
usecols="B:R",
nrows=1000,
)
# 添加小时列数据
df["小时"] = pd.to_datetime(df["时间"], format="%H:%M:%S").dt.hour
return df
df = get_data_from_excel()
print(df)成功读取数据，结果如下。
下面便可以来编写页面了。
02. 网页标题和图标
我们都知道当浏览器打开一个网页，会有标题和图标。
所以我们需先设置本次网页的名称、图标、布局等。
这也是使用Streamlit搭建页面，使用的第一个Streamlit命令，并且只能设置一次。
# 设置网页信息
st.set_page_config(page_title="销售数据大屏", page_icon=":bar_chart:", layout="wide")其中page_icon参数可以使用表情符号代码来显示图标。
短代码可从下方链接获取。
https://www.webfx.com/tools/emoji-cheat-sheet/
妥妥的表情符号代码大全！
03. 侧边栏和多选框
st.sidebar(侧边栏)，每个传递给st.sidebar的元素都会被固定在左边，让用户可以专注于主页中的内容。
multiselect(多选框)是一个交互性的部件，可以通过它进行数据筛选。
# 侧边栏
st.sidebar.header("请在这里筛选:")
city = st.sidebar.multiselect(
"选择城市:",
options=df["城市"].unique(),
default=df["城市"].unique()
)
customer_type = st.sidebar.multiselect(
"选择顾客类型:",
options=df["顾客类型"].unique(),
default=df["顾客类型"].unique(),
)
gender = st.sidebar.multiselect(
"选择性别:",
options=df["性别"].unique(),
default=df["性别"].unique()
)
df_selection = df.query(
"城市 == @city & 顾客类型 ==@customer_type & 性别 == @gender"
)结合Pandas的query查询，就能对数据进行过滤。
通过上述代码就搭建成功了，如下图左侧。
点击侧边栏的右上角关闭符号，侧边栏即可隐藏。
网页将会展示主页面。
04. 主页面信息
接下来编写主页面信息，包含主页标题、销售总额、平均评分、平均销售额信息。
和网页的图标一样，通过表情符号代码实现。
# 主页面
st.title(":bar_chart: 销售数据大屏")
st.markdown("##")
# 核心指标, 销售总额、平均评分、星级、平均销售额数据
total_sales = int(df_selection["总价"].sum())
average_rating = round(df_selection["评分"].mean(), 1)
star_rating = ":star:" * int(round(average_rating, 0))
average_sale_by_transaction = round(df_selection["总价"].mean(), 2)
# 3列布局
left_column, middle_column, right_column = st.columns(3)
# 添加相关信息
with left_column:
st.subheader("销售总额:")
st.subheader(f"RMB {total_sales:,}")
with middle_column:
st.subheader("平均评分:")
st.subheader(f"{average_rating} {star_rating}")
with right_column:
st.subheader("平均销售额:")
st.subheader(f"RMB {average_sale_by_transaction}")
# 分隔符
st.markdown("""---""")完成核心指标数据的处理，并将其进行布局显示。
05. 主页面图表
包含了两个图表，一个是每小时销售额，一个是各类商品销售总额。通过Plotly Express完成图表的绘制。
Plotly Express是一个新的高级Python可视化库，是Plotly.py的高级封装，它为复杂的图表提供了一个简单的语法。
文档地址
https://plot.ly/python/plotly-express/
受Seaborn和ggplot2的启发，它专门设计为具有简洁，一致且易于学习的API。只需一次导入，就可以在一个函数调用中创建丰富的交互式绘图。
# 各类商品销售情况(柱状图)
sales_by_product_line = (
df_selection.groupby(by=["商品类型"]).sum()[["总价"]].sort_values(by="总价")
)
fig_product_sales = px.bar(
sales_by_product_line,
x="总价",
y=sales_by_product_line.index,
orientation="h",
title="<b>每种商品销售总额</b>",
color_discrete_sequence=["#0083B8"] * len(sales_by_product_line),
template="plotly_white",
)
fig_product_sales.update_layout(
plot_bgcolor="rgba(0,0,0,0)",
xaxis=(dict(showgrid=False))
)
# 每小时销售情况(柱状图)
sales_by_hour = df_selection.groupby(by=["小时"]).sum()[["总价"]]
print(sales_by_hour.index)
fig_hourly_sales = px.bar(
sales_by_hour,
x=sales_by_hour.index,
y="总价",
title="<b>每小时销售总额</b>",
color_discrete_sequence=["#0083B8"] * len(sales_by_hour),
template="plotly_white",
)
fig_hourly_sales.update_layout(
xaxis=dict(tickmode="linear"),
plot_bgcolor="rgba(0,0,0,0)",
yaxis=(dict(showgrid=False)),
)
left_column, right_column = st.columns(2)
left_column.plotly_chart(fig_hourly_sales, use_container_width=True)
right_column.plotly_chart(fig_product_sales, use_container_width=True)添加数据，设置图表配置，以及网页布局。
得到结果如下。
06. 隐藏部件
当我们通过Streamlit搭建一个界面，默认就会有红线、菜单、结尾的"Make with Streamlit"。
为了美观，这里可以将它们都隐藏掉。
# 隐藏streamlit默认格式信息
hide_st_style = """
<style>
#MainMenu {visibility: hidden;}
footer {visibility: hidden;}
header {visibility: hidden;}
</style>
"""
st.markdown(hide_st_style, unsafe_allow_html=True)这样一个可交互的销售数据看板，就完成搭建啦！
# 安装依赖库
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple plotly==4.14.3
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas==1.1.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple streamlit==0.86.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openpyxl==3.0.6
# 运行
streamlit run app.py安装相关依赖，命令行终端运行程序。
项目代码已上传，公众号回复「销售看板」即可获取。
万水千山总是情，点个 👍 行不行。
文末赠书
本次小F给大家带来4本数据分析相关的书籍。
《Python爬虫、数据分析与可视化：工具详解与案例实战》是一本以Python数据分析人员需要完成的基本工作和掌握的基本技能为目标，介绍必备的数据分析工具和方法的实战入门书。点击下图可看详情/购买👇
赠书规则：下方公众号回复「抽奖」，即可参加。
感谢大家对小F的支持！
推荐阅读
··· END ···
扫一扫
1617
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
