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()
![](https://i-blog.csdnimg.cn/blog_migrate/9f34889af3d0065bba28706ac5853ebb.png)
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()
![](https://i-blog.csdnimg.cn/blog_migrate/dca6239bbf150486ebf0588411419b1d.png)
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)
![](https://i-blog.csdnimg.cn/blog_migrate/3e24c839ce7dff0e38d3524250ddc18f.png)
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()
![](https://i-blog.csdnimg.cn/blog_migrate/5395e5e677f6afd998a6638ba169c7ad.png)