Python电商数据可视化 代码

Python电商数据可视化是一种强大的工具，用于将复杂的电商数据转换为直观的图表和图形，帮助分析师、市场营销人员等更好地理解销售趋势、用户行为等信息。以下是一个简单的步骤，展示如何使用Python中的Pandas库加载数据，然后用Matplotlib和Seaborn库进行数据可视化：

1. **导入必要的库**:

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(style="whitegrid")  # 设置Seaborn风格

2. **加载数据**:

# 假设数据在CSV文件中
df = pd.read_csv("ecommerce_data.csv")

3. **数据预处理**:

# 清洗数据，处理缺失值，如果有必要
df = df.dropna(subset=["sales", "category"])  # 仅保留销售和分类信息

4. **创建基本图表**:

# 示例：销售数量按类别分布
plt.figure(figsize=(10, 6))
sns.barplot(x="category", y="sales", data=df)
plt.title("Sales by Category")
plt.show()

5. **更复杂的数据可视化**:
- 使用Seaborn进行复杂统计图表，如箱线图查看价格分布：

sns.boxplot(x="category", y="price", data=df)
plt.title("Price Distribution by Category")
plt.show()

6. **使用热力图分析产品间的关联性**:

corr_matrix = df[["sales", "price", "visits"]].corr()
sns.heatmap(corr_matrix, annot=True, cmap="coolwarm")
plt.title("Correlation Matrix")
plt.show()

7. **时间序列分析**:

plt.figure(figsize=(12, 6))
sns.lineplot(data=df.sort_values("date"), x="date", y="sales", hue="category")
plt.title("Sales Over Time by Category")
plt.show()