以下是一个使用 Python 和 pandas 库进行简单电商数据分析的示例代码,主要涵盖了销售总额、销售数量、平均售价等常见分析点:
import pandas as pd
# 模拟电商销售数据
data = {
'订单编号': [1, 2, 3, 4, 5],
'商品名称': ['手机', '电脑', '耳机', '手机', '电脑'],
'销售价格': [2000, 5000, 200, 1800, 4800],
'销售数量': [1, 1, 2, 1, 1]
}
# 创建数据帧
df = pd.DataFrame(data)
# 1. 计算销售总额
total_sales = df['销售价格'] * df['销售数量']
df['销售总额'] = total_sales
# 2. 计算销售商品的总数量
total_quantity_sold = df['销售数量'].sum()
print(f"销售商品的总数量: {total_quantity_sold}")
# 3. 计算平均售价
average_price = df['销售价格'].mean()
print(f"平均售价: {average_price}")
# 4. 按商品名称分组计算销售总额
grouped_by_product = df.groupby('商品名称')['销售总额'].sum()
print("按商品名称分组的销售总额:")
print(grouped_by_product)
在实际的电商数据分析中,还可能需要分析用户购买行为模式(如购买频率、复购率等)、销售趋势随时间的变化、不同地区的销售情况等,这就需要更复杂的数据收集和处理以及相应的代码逻辑来实现。同时,数据的来源可能来自于电商平台的数据库、日志文件等,需要根据实际情况进行数据的获取和清洗。
以某宝为例子获取电商api测试