本篇内容主要讲解“怎么用Python可视化图显示数据某化妆品企业销售情况”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“怎么用Python可视化图显示数据某化妆品企业销售情况”吧!
对象:用户;销售
关注点:找到影响销售的增长因素
目标:发现问题&提出解决方案
分析销售趋势,找到影响企业营收增长的商品或区域
按月份销售趋势图(整体)
商品销售额对比(一级、二级,找出最低、最高)
区域销售额对比(下钻:区、省,找出最低、最高)
探索不同商品的销售状况,为企业的商品销售,提出策略建议
不同月份的各个产品的销售额占比情况
产品相关分析
分析用户特征、购买频率、留存率等
购买频率分布
复购率(重复购买用户数量(两天都有购买过算重复)/用户数量)
同期群分析(按月)
获取数据(excel)
为某化妆品企业 2019 年 1 月-2019 年 9 月每日订单详情数据和企业的商品信息数据,包括两个数据表,销售订单表和商品信息表。其中销售订单表为每个订单的情况明细,一个订单对应一次销售、一个订单可包含多个商品。
import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams['font.family'] = 'SimHei' import numpy as np import warnings warnings.filterwarnings("ignore") data = pd.read_excel('C:/Users/cherich/Desktop/日化.xlsx',encoding='gbk') data.head()
data_info = pd.read_excel('C:/Users/cherich/Desktop/日化.xlsx',encoding='gbk',sheet_name='商品信息表') data_info
数据清洗和加工
data = data.dropna() # 订购数量结尾有字符'个' data['订购数量'] = data['订购数量'].apply(lambda x:str(x)[:-1] if str(x)[-1] == '个' else x) data['订购数量'] = data['订购数量'].astype(int) # 订购数量结尾有字符'元' data['订购单价'] = data['订购单价'].apply(lambda x:str(x)[:-1] if str(x)[-1] == '元' else x) data['订购单价'] = data['订购单价'].astype(int) # 日期里有特殊字符 2019#3#11 def proess_date(df): pos = str(df).find('#') if pos!= -1: df = str(df).split('#') return df[0]+'-'+df[1]+'-'+df[2] else: return df # res = proess_date(df ='2019#3#11') data['订单日期'] = data['订单日期'].apply(proess_date) data['订单日期'] = data['订单日期'].apply(lambda x:str(x).replace('年','-').replace('月','-') if '年' in str(x) else x ) data['订单日期'] = pd.to_datetime(data['订单日期']) #data.info() data = data[data.duplicated()==False] data['所在省份'].nunique() data['月份'] = data['订单日期'].apply(lambda x:str(x).split('-')[1]) data
数据可视化
# 两张表数据合并 total_data = pd.merge(data,data_info,on='商品编号',how='left') total_data
groups = data.groupby('月份') x = [each[0] for each in groups] y = [each[1].金额.sum() for each in groups] z = [each[1].金额.count() for each in groups] money_mean = data.金额.sum()/9 order_mean = data.金额.count()/9 plt.figure(figsize=(18, 10), dpi=80) plt.subplot(221) plt.plot(x, y,linewidth=2) plt.axvspan('07', '08', color='#EE7621', alpha=0.3) plt.axhline(money_mean, color='#EE7621', linestyle='--',linewidth=1) plt.title("每月销售额趋势图",color='#4A708B',fontsize=24) plt.ylabel("金额/(亿)",fontsize=16) plt.subplot(222) plt.plot(x, z, linewidth=2, color = '#EE7621') plt.axvline('07', color='#4A708B', linestyle='--',linewidth=1) plt.axhline(order_mean, color='#4A708B', linestyle='--',linewidth=1) plt.title("每月订单量趋势图",color='#4A708B',fontsize=24) plt.ylabel("订单/(单)",fontsize=16) plt.show()
图表说明:从整体来看,销售额和订单量从4月开始大幅度上升,均高于均值;8月份开始呈下降趋势,处于均值水平。
groups_category= total_data.groupby(['月份','商品大类']) category1 = [] category2 = [] for i,j in groups_category: # print(i,j.月份.count()) if i[1]=='彩妆': category1.append(j.金额.sum()) else: category2.append(j.金额.sum()) labels = x xticks = np.arange(len(labels)) width = 0.5 p = np.arange(len(labels)) fig, ax = plt.subplots(figsize=(18,8)) rects1 = ax.bar(p - width/2, category1,width, label='彩妆',color='#FFEC8B') rects2 = ax.bar(p + width/2, category2, width, label='护肤品',color='#4A708B') ax.set_ylabel('销售额/(亿)') ax.set_title('每月护肤品和彩妆的销售额对比图(大类)') ax.set_xticks(xticks) ax.set_xticklabels(labels) ax.legend() plt.show()
图表说明:护肤品需求满足大多数人,明显高于彩妆。并且5月—8月是护肤品需求旺季。相比彩妆的变化不明显。
groups_categorys= total_data.groupby('商品小类') x = [each[0] for each in groups_categorys] y = [each[1].金额.sum() for each in groups_categorys] fig = plt.figure(figsize=(18,8),dpi=80) plt.title('各个品类的销售额对比图',color='#4A708B',fontsize=24) plt.ylabel('销售额(元)',fontsize=15) colors = ['#6699cc','#4A708B','#CDCD00','#DAA520','#EE7621','#FFEC8B','#CDCD00','#4A708B','#6699cc','#DAA520','#4A708B','#FFEC8B'] for i, group_name in enumerate(groups_categorys): lin1 =plt.bar(group_name[0], group_name[1].金额.sum(),width=0.8,color=colors[i]) for rect in lin1: height = rect.get_height() plt.text(rect.get_x()+rect.get_width()/2, height+1, int(height),ha="center", fontsize=12) plt.xticks(fontsize=15) plt.grid() plt.show()
图表说明:面膜的销售额第一,其次是面霜、爽肤水。销售额最低的是蜜粉,眼影。
total_data = total_data.dropna() total_data['所在区域'] = total_data['所在区域'].apply(lambda x:str(x).replace('男区','南区').replace('西 区','西区')) groups_area= total_data.groupby(['所在区域','商品小类']) results = {} for i,j in groups_area: money = int(j.金额.sum()) if i[0] in results.keys(): results[i[0]][i[1]] = money else: results[i[0]] = {} for cate in category_names: results[i[0]][cate] = 0 results[i[0]]['口红'] = money results= {key_data:list(values_data.values()) for key_data,values_data in results.items()} def survey1(results, category_names): labels = list(results.keys()) data = np.array(list(results.values())) data_cum = data.cumsum(axis=1) category_colors = plt.get_cmap('RdYlGn')( np.linspace(0.15, 0.85, data.shape[1])) fig, ax = plt.subplots(figsize=(25,8)) ax.invert_yaxis() ax.xaxis.set_visible(False) ax.set_xlim(0, np.sum(data, axis=1).max()) for i, (colname, color) in enumerate(zip(category_names, category_colors)): widths = data[:, i] starts = data_cum[:, i] - widths ax.barh(labels, widths, left=starts, height=0.5, label=colname, color=color) xcenters = starts + widths / 2 r, g, b, _ = color text_color = 'white' if r * g * b < 0.5 else 'darkgrey' for y, (x, c) in enumerate(zip(xcenters, widths)): ax.text(x, y, str(int(c)), ha='center', va='center',color=text_color) ax.legend(ncol=len(category_names), bbox_to_anchor=(0, 1), loc='lower left', fontsize='small') return fig, ax survey1(results, category_names) plt.show()
图表说明:东部地区占市场份额的35%左右,份额最低的是西部地区。
area_names = list(total_data.商品小类.unique()) groups_priv= total_data.groupby(['所在省份','商品小类']) results = {} for i,j in groups_priv: money = int(j.金额.sum()) if i[0] in results.keys(): results[i[0]][i[1]] = money else: results[i[0]] = {} for cate in category_names: results[i[0]][cate] = 0 results[i[0]]['口红'] = money results= {key_data:list(values_data.values()) for key_data,values_data in results.items()} def survey2(results, category_names): labels = list(results.keys()) data = np.array(list(results.values())) data_cum = data.cumsum(axis=1) category_colors = plt.get_cmap('RdYlGn')( np.linspace(0.15, 0.85, data.shape[1])) fig, ax = plt.subplots(figsize=(25,20)) ax.invert_yaxis() ax.xaxis.set_visible(False) ax.set_xlim(0, np.sum(data, axis=1).max()) for i, (colname, color) in enumerate(zip(category_names, category_colors)): widths = data[:, i] starts = data_cum[:, i] - widths ax.barh(labels, widths, left=starts, height=0.5, label=colname, color=color) xcenters = starts + widths / 2 ax.legend(ncol=len(category_names), bbox_to_anchor=(0, 1), loc='lower left', fontsize='small') return fig, ax survey2(results, area_names) plt.show()
图表说明:江苏销售额第一,其次是广东省;销售额最低的是宁夏、内蒙、海南
import numpy as np import matplotlib.pyplot as plt category_names = list(total_data.商品小类.unique()) groups_small_category= total_data.groupby(['月份','商品小类']) results = {} for i,j in groups_small_category: money = int(j.金额.sum()) if i[0] in results.keys(): results[i[0]][i[1]] = money else: results[i[0]] = {} for cate in category_names: results[i[0]][cate] = 0 results[i[0]]['口红'] = money results= {key_data:list(values_data.values()) for key_data,values_data in results.items()} def survey(results, category_names): labels = list(results.keys()) data = np.array(list(results.values())) data_cum = data.cumsum(axis=1) category_colors = plt.get_cmap('RdYlGn')( np.linspace(0.15, 0.85, data.shape[1])) fig, ax = plt.subplots(figsize=(25,8)) ax.invert_yaxis() ax.xaxis.set_visible(False) ax.set_xlim(0, np.sum(data, axis=1).max()) for i, (colname, color) in enumerate(zip(category_names, category_colors)): widths = data[:, i] starts = data_cum[:, i] - widths ax.barh(labels, widths, left=starts, height=0.5, label=colname, color=color) xcenters = starts + widths / 2 # r, g, b, _ = color # text_color = 'white' if r * g * b < 0.5 else 'darkgrey' # for y, (x, c) in enumerate(zip(xcenters, widths)): # ax.text(x, y, str(int(c)), ha='center', va='center') ax.legend(ncol=len(category_names), bbox_to_anchor=(0, 1), loc='lower left', fontsize='small') return fig, ax survey(results, category_names) plt.show()
图表说明:眼霜、爽肤水、面膜:4,5,6,7,8月份需求量最大;粉底、防晒霜、隔离霜、睫毛膏、蜜粉1,2,3月份需求量最大。
data_user_buy=total_data.groupby('客户编码')['订单编码'].count() data_user_buy plt.figure(figsize=(10,4),dpi=80) plt.hist(data_user_buy,color='#FFEC8B') plt.title('用户购买次数分布',fontsize=16) plt.xlabel('购买次数') plt.ylabel('用户数') plt.show()
图表说明:大部分用户购买次数在10次-35次之间,极少部分用户购买次数80次以上
date_rebuy=total_data.groupby('客户编码')['订单日期'].apply(lambda x:len(x.unique())).rename('rebuy_count') date_rebuy print('复购率:',round(date_rebuy[date_rebuy>=2].count()/date_rebuy.count(),4))
total_data['时间标签'] = total_data['订单日期'].astype(str).str[:7] total_data = total_data[total_data['时间标签']!='2050-06'] total_data['时间标签'].value_counts().sort_index() total_data = total_data.sort_values(by='时间标签') month_lst = total_data['时间标签'].unique() final=pd.DataFrame() final #引入时间标签 for i in range(len(month_lst)-1): #构造和月份一样长的列表,方便后续格式统一 count = [0] * len(month_lst) #筛选出当月订单,并按客户昵称分组 target_month = total_data.loc[total_data['时间标签']==month_lst[i],:] target_users = target_month.groupby('客户编码')['金额'].sum().reset_index() #如果是第一个月份,则跳过(因为不需要和历史数据验证是否为新增客户) if i==0: new_target_users = target_month.groupby('客户编码')['金额'].sum().reset_index() else: #如果不是,找到之前的历史订单 history = total_data.loc[total_data['时间标签'].isin(month_lst[:i]),:] #筛选出未在历史订单出现过的新增客户 new_target_users = target_users.loc[target_users['客户编码'].isin(history['客户编码']) == False,:] #当月新增客户数放在第一个值中 count[0] = len(new_target_users) #以月为单位,循环遍历,计算留存情况 for j,ct in zip(range(i + 1,len(month_lst)),range(1,len(month_lst))): #下一个月的订单 next_month = total_data.loc[total_data['时间标签'] == month_lst[j],:] next_users = next_month.groupby('客户编码')['金额'].sum().reset_index() #计算在该月仍然留存的客户数量 isin = new_target_users['客户编码'].isin(next_users['客户编码']).sum() count[ct] = isin #格式转置 result = pd.DataFrame({month_lst[i]:count}).T #合并 final = pd.concat([final,result]) final.columns = ['当月新增','+1月','+2月','+3月','+4月','+5月','+6月','+7月','+8月'] result = final.divide(final['当月新增'],axis=0).iloc[:] result['当月新增'] = final['当月新增'] result.round(2)
到此,相信大家对“怎么用Python可视化图显示数据某化妆品企业销售情况”有了更深的了解,不妨来实际操作一番吧!这里是亿速云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。