超市的促销时间是如何选择的？Python用数据来帮你分析

Z时代
2024-01-10
分类：综合

python

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

以下文章来源于python数据分析" title="python数据分析">python数据分析之禅，作者小dull鸟

项目目标

分析一下超市近期的运营数据，通过分析，对超市近期的运行状况有了直观的了解

1.读取数据

数据存放在表格中，我们用pandas将其读出来

import pandas as pd
data=pd.read_csv("超市运营数据.csv",encoding="gbk",parse_dates=["成交时间"])data

2.分析哪些类别的商品比较畅销

首先将数据按照类别ID进行分组，然后对分组后的销量进行求和，最后用reset_index重置索引

data_group=data.groupby("类别ID")["销量"].sum().reset_index()data_group

为了取出销量最好的10类商品类别，我们可以对data_group按照“销量”进行排序，取出前10个

data_group=data_group.sort_values(by="销量",ascending=False).head(10)data_group

3.分析哪些商品比较畅销

分析逻辑与哪些类别的分析一致，代码如下：

data["销售额"]=data["销量"]*data["单价"]data

4.分析不同门店的销售额占比

首先计算销售额，并添加到数据中：

data["销售额"]=data["销量"]*data["单价"]data

按照门店进行分组，对分组后的营业额进行求和：

data_group=data.groupby("门店编号")["销售额"].sum().reset_index()data_group

用饼图画出销售额占比：

from pyecharts import options as opts
from pyecharts.charts import Pie
x=list(data_group["门店编号"])
y=list(data_group["销售额"])
pie = (
    Pie()
   .add(
        "",
        [(i,j)for i,j in zip(x,y)],
        radius=["30%", "75%"],
        center=["50%", "50%"],
        rosetype="radius",
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="门店销售额占比"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}"))
)pie.render_notebook()

5.分析超市客流高峰高峰时间段

了解客流高峰时间段是很有必要的，可以帮助超市确定什么时间开展促销活动最合适

首先从日期中提取小时数

data["小时"]=data["成交时间"].map(lambda x:int(x.strftime("%H")))data

对小时和订单进行去重

traffic=data[["小时","订单ID"]].drop_duplicates()
traffic

计算每小时的订单量

traffic_count=traffic.groupby("小时")["订单ID"].count()traffic_count

画出折线图：

import pyecharts.options as opts
from pyecharts.charts import Line
x=[str(i) for i in list(range(6,22))]
y=list(traffic_count)
line=(
    Line()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name="销量",y_axis=y, is_smooth=True)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="不同时段销量折线图"),
        yaxis_opts=opts.AxisOpts(
                axistick_opts=opts.AxisTickOpts(is_show=True),
                splitline_opts=opts.SplitLineOpts(is_show=True),
            ),)
)
line.render_notebook()