分布、描述性统计和贡献度分析

一、实验目的

（1） 掌握分布分析的方法。

（2） 掌握描述性统计分析的方法。

（3） 掌握贡献度分析的方法。

二、实验内容

（1） 销售额分布分析。

（2） 销售数量描述性统计分析。

（3） 销售数量贡献度分析。

三、实验过程、内容

1. 销售额分布分析

使用分布分析统计各销售额区间（此处以173作为组距，共分成5个销售额区间）的销售额频率分布，并绘制其频率分布直方图

• 导入库

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

#导入数据集
df =pd.read_excel('新零售智能销售设备6月份商品销售情况.xlsx')
#查看数据集
df.head()

• 绘制频率直方图

bins = [0,173,346,519,692,865]
labels = ['[0,173)','[173,346)','[346,519)','[519,692)','[692,865)']
df['销售额分层']=pd.cut(df['销售额（元）'],bins ,labels=labels)
aggResult= df.groupby(by=['销售额分层'])['销售额（元）'].agg([("销售额（元）",np.size)])
pAggResult = round(aggResult/aggResult.sum(), 2, )*100
plt.figure(figsize=(10,6))
pAggResult['销售额（元）'].plot(kind='bar',width=0.6,fontsize=10)
plt.rcParams['font.sans-serif']=['SimHei']  #正常显示中文标签
plt.title('销售额频率直方图',fontsize=20)
plt.show()

2. 销售数量描述性统计分析

使用描述性统计分析对销售数量计算其基本的统计量结果，并根据输出结果进行分析

data = df['销售数量（个）']
statistics = data.describe()
statistics.loc['range'] = statistics.loc['max']-statistics.loc['min']   #极差
statistics.loc['var'] = statistics.loc['std']/statistics.loc['mean']    #变异系数
statistics.loc['dis'] = statistics.loc['75%']-statistics.loc['25%']     #四分位数间距
print(statistics)

3. 盈利额贡献度分析

使用贡献度分析统计各商品的盈利额贡献度，并绘制各商品的帕累托图进行分析

data = df['盈利额（元）'].copy()
data.sort_values(ascending=False,inplace=False)
plt.rcParams['font.sans-serif'] = ['SimHei']    #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      #用来正常显示负号
plt.figure()
data.plot(kind='bar')
plt.ylabel('盈利额（元）')
p = 1.0*data.cumsum()/data.sum()
p.plot(color='r', secondary_y=True, style='-o',linewidth=2)
plt.ylabel('盈利额（比例）')
plt.show()