【python】python超市销售订单数据分析可视化（源码+数据集）【独一无二】

最新推荐文章于 2024-07-17 21:05:05 发布

米码收割机

最新推荐文章于 2024-07-17 21:05:05 发布

阅读量952

点赞数 28

文章标签： python 数据分析开发语言

CSDN-米玛收割机专用版权

本文链接：https://blog.csdn.net/weixin_44244190/article/details/140081540

版权

一、设计要求

某超市一周的销售订单数据文件SuperMarket_order.txt中共包含117条样本数据，每条样本数据包括订单编号、付款金额、订单状态、物品类别、购物方式、支付类别、付款人所在省份等7个信息。请利用Numpy、Pandas和Matploylib.pylot等模块，将画布进行2行3列布局，分别对付款金额（分为100以内、100-500和500以上三个类别）、订单状态、物品类别、购物方式、支付类别和付款人所在省份等6个信息进行统计分析，并将统计分析的结果依次可视化展示在画布的6个不同区域内，区域内所采用的图形类别应至少包括三种，例如，散点图、柱状图、饼图等。（60分）

二、设计思路

这段代码的主要任务是分析和可视化超市销售订单数据，通过对数据的预处理、分类统计和可视化，展示订单数据的多维度信息。整个设计过程可以分为以下几个步骤：数据读取与清理、数据预处理、数据分类、数据可视化和结果展示。下面是详细的设计思路描述。

1、数据读取与清理

文件读取：
- 代码首先从文件 SuperMarket_order.txt 中读取数据。该文件存储了超市销售订单的原始数据，数据以逗号分隔。
- 使用 Python 内置的 open 函数打开文件，并逐行读取数据。每一行数据都通过 strip 方法去除首尾的空白字符，并通过 split 方法以逗号为分隔符进行拆分。

columns = ['订单编号', '付款金额', '订单状态', '物品类别', '购物方式', '支付类别', '付款人所在省份']
data = []
with open('SuperMarket_order.txt', 'r', encoding='utf-8') as file:
    for line in file:
        items = line.strip().split(',')
        data.append(items[1:3] + items[6:7] + items[7:8] + items[9:10] + items[10:11] + items[12:13])

数据存储：
- 读取到的每一行数据，被存储到一个名为 data 的列表中。列表的每一项都是一个订单的所有字段信息，具体字段包括订单编号、付款金额、订单状态、物品类别、购物方式、支付类别和付款人所在省份。
- 使用 pandas 库将列表转换为 DataFrame 结构，并指定列名，这样可以方便后续的数据处理和分析。
数据清理：
- 在数据清理过程中，首先定义了一个辅助函数 is_float，用于检查字符串是否可以转换为浮点数。这个步骤确保了付款金额字段的数据是有效的数值。
- 利用 is_float 函数过滤掉付款金额不能转换为浮点数的行，保证数据的准确性和一致性。
- 将付款金额字段的类型转换为浮点数，方便后续的数值计算和分类处理。

3、数据预处理与分类

数据预处理：
- 数据清理完成后，需要对数据进行进一步的预处理。具体包括将付款金额字段转换为浮点数类型，这样可以进行数值计算和分类。

# 检查并清理数据
def is_float(value):
    try:
        float(value)
        return True
    except ValueError:
        return False

数据分类：
- 为了更好地分析付款金额的分布情况，定义了一个分类函数 categorize_payment，根据付款金额将其分类为三个区间：100以内、100-500 和 500以上。
- 使用 apply 方法将分类函数应用于付款金额字段，生成一个新的分类字段 付款金额分类，标识每笔订单所属的金额区间。

# 对付款金额进行分类
def categorize_payment(amount):
    if amount < 100:
        return '100以内'
    elif 100 <= amount <= 500:
        return '100-500'
    else:
        return '500以上'

3、数据可视化

设置绘图参数：
- 为了支持中文字符显示，使用 matplotlib 库的 rcParams 参数设置字体为 SimHei，并设置 axes.unicode_minus 为 False，以确保负号可以正常显示。
创建子图布局：
- 使用 plt.subplots 创建一个包含 2 行 3 列子图的布局，并设置图形的总尺寸为 18x12 英寸。这种布局方式可以将多个图表放在同一个图形窗口中，方便对比和分析。
绘制各类图表：
- 付款金额分类统计：
  - 使用柱状图展示不同付款金额分类的订单数量分布。通过 value_counts 方法统计各个金额分类的订单数量，并绘制柱状图显示分类结果。

# 付款金额分类统计
payment_counts = data['PaymentCategory'].value_counts()
axs[0, 0].bar(payment_counts.index, payment_counts.values)
axs[0, 0].set_title('付款金额分类统计')
axs[0, 0].set_xlabel('付款金额分类')
axs[0, 0].set_ylabel('订单数量')

订单状态统计：
- 使用饼图展示不同订单状态的分布情况。通过 value_counts 方法统计各个订单状态的数量，并绘制饼图显示各状态所占比例。
物品类别统计：
- 使用柱状图展示不同物品类别的订单数量分布。通过 value_counts 方法统计各个物品类别的数量，并绘制柱状图显示分类结果。

axs[0, 2].bar(category_counts.index, category_counts.values, color='lightgreen')
axs[0, 2].set_title('物品类别统计')
axs[0, 2].set_xlabel('物品类别')
axs[0, 2].set_ylabel('数量')

购物方式统计：
- 使用柱状图展示不同购物方式的订单数量分布。通过 value_counts 方法统计各个购物方式的数量，并绘制柱状图显示分类结果。
支付类别统计：
- 使用饼图展示不同支付类别的分布情况。通过 value_counts 方法统计各个支付类别的数量，并绘制饼图显示各支付类别所占比例。
付款人所在省份统计：
- 使用柱状图展示不同省份的订单数量分布。通过 value_counts 方法统计各个省份的订单数量，并绘制柱状图显示区域分布情况，同时将 x 轴标签旋转 45 度，以便更好地显示省份名称。

4、结果展示

布局调整：
- 使用 plt.tight_layout 函数调整子图布局，确保各个子图之间没有重叠，并留出适当的空白。
图形标题：
- 设置整个图形的总标题为 超市销售订单数据分析，以说明图形内容的主题。
显示图形：
- 最后使用 plt.show 函数显示绘制的图形，将所有统计结果展示给用户。

整个代码设计以数据分析和可视化为核心，通过数据读取与清理、数据预处理与分类、数据可视化和结果展示四个步骤，全面展示了超市销售订单数据的多维度信息。通过对订单数据的深入分析，可以帮助理解顾客行为、优化销售策略和提高运营效率。设计思路清晰，代码结构合理，数据处理和可视化效果直观，能够有效地支持业务决策和市场分析。

三、可视化分析

使用 Matplotlib 生成了六个子图，分别展示了不同维度的数据统计信息：

付款金额分类统计：
- 图示位置：左上角（axs[0, 0]）
- 图示类型：柱状图
- 含义：展示了不同付款金额分类（如 100以内、100-500、500以上）的订单数量分布。横轴为付款金额分类，纵轴为订单数量。通过该图可以看出每个金额区间内的订单数量，帮助了解客户付款金额的分布情况。

订单状态统计：
- 图示位置：上中（axs[0, 1]）
- 图示类型：饼图
- 含义：展示了订单状态（如已付款、未付款、已取消等）的分布情况。饼图的每一部分代表一种订单状态，大小表示该状态的订单数量占总订单数量的比例。通过该图可以直观地了解订单处理的整体情况。

在这里插入图片描述

物品类别统计：
- 图示位置：右上角（axs[0, 2]）
- 图示类型：柱状图
- 含义：展示了不同物品类别（如食品、日用品、饮料等）的订单数量分布。横轴为物品类别，纵轴为数量。通过该图可以了解各类商品的销售情况，帮助优化商品管理和库存控制。

在这里插入图片描述

购物方式统计：
- 图示位置：左下角（axs[1, 0]）
- 图示类型：柱状图
- 含义：展示了不同购物方式（如线上购物、线下购物等）的订单数量分布。横轴为购物方式，纵轴为数量。通过该图可以分析顾客的购物偏好，帮助制定相应的营销策略。

在这里插入图片描述

支付类别统计：
- 图示位置：下中（axs[1, 1]）
- 图示类型：饼图
- 含义：展示了不同支付类别（如现金支付、信用卡支付、电子支付等）的订单数量占比。饼图的每一部分代表一种支付类别，大小表示该类别订单数量占总订单数量的比例。通过该图可以了解顾客的支付习惯，帮助改进支付方式的设置。

在这里插入图片描述

付款人所在省份统计：
- 图示位置：右下角（axs[1, 2]）
- 图示类型：柱状图
- 含义：展示了不同省份顾客的订单数量分布。横轴为省份，纵轴为数量。通过该图可以分析订单的地域分布情况，帮助制定区域性的销售策略和物流安排。

在这里插入图片描述

通过这些图表，能够全面地了解超市销售订单数据的各个方面，包括付款金额分布、订单状态、物品类别、购物方式、支付类别和地域分布等。这些可视化结果为管理和决策提供了有力的支持，帮助更好地理解顾客行为和市场需求，从而优化销售策略和运营管理。

米码收割机

关注

28
点赞
踩
29

收藏

觉得还不错? 一键收藏
打赏
0
评论
【python】python超市销售订单数据分析可视化（源码+数据集）【独一无二】

某超市一周的销售订单数据文件SuperMarket_order.txt中共包含117条样本数据，每条样本数据包括订单编号、付款金额、订单状态、物品类别、购物方式、支付类别、付款人所在省份等7个信息。请利用Numpy、Pandas和Matploylib.pylot等模块，将画布进行2行3列布局，分别对付款金额（分为100以内、100-500和500以上三个类别）、订单状态、物品类别、购物方式、支付类别和付款人所在省份等6个信息进行统计分析，并将统计分析的结果依次可视化展示在画布的6个不同区域内，区域内所采用的
复制链接

扫一扫