用python完成有一份电商销售数据,包含以下字段,含义如下: event_time,交易时间 order_id,订单id product_id,商品id category_id,类别id category_code,类别代码 brand,品牌 price, 价格 user_id, 用户id age,年龄 sex,性别 local,地理位置 消费总情况 计算每月成交金额,画出柱状图 计算每月消费人数,画出折线图 计算每天订单数量,画出折线图 计算每人单次平均消费金额,画出折线图 消费的地理信息 计算不同
时间: 2024-03-29 22:38:45 浏览: 94
以下是使用 Pandas 和 Matplotlib 完成上述需求的代码:
```python
import pandas as pd
import matplotlib.pyplot as plt
# 读取数据
df = pd.read_csv('sales_data.csv')
# 将 event_time 字段转换为日期类型
df['event_time'] = pd.to_datetime(df['event_time'])
# 计算每月成交金额并绘制柱状图
monthly_sales = df.groupby(df['event_time'].dt.to_period('M'))['price'].sum()
monthly_sales.plot(kind='bar', rot=0)
plt.title('Monthly Sales')
plt.xlabel('Month')
plt.ylabel('Sales')
plt.show()
# 计算每月消费人数并绘制折线图
monthly_customers = df.groupby(df['event_time'].dt.to_period('M'))['user_id'].nunique()
monthly_customers.plot()
plt.title('Monthly Customers')
plt.xlabel('Month')
plt.ylabel('Customers')
plt.show()
# 计算每天订单数量并绘制折线图
daily_orders = df.groupby(df['event_time'].dt.date)['order_id'].nunique()
daily_orders.plot()
plt.title('Daily Orders')
plt.xlabel('Date')
plt.ylabel('Orders')
plt.show()
# 计算每人单次平均消费金额并绘制折线图
avg_order_price = df.groupby('user_id')['price'].mean()
avg_order_price.plot()
plt.title('Average Order Price')
plt.xlabel('User ID')
plt.ylabel('Price')
plt.show()
# 计算不同地理位置的销售额并绘制饼图
sales_by_location = df.groupby('local')['price'].sum()
sales_by_location.plot(kind='pie', autopct='%1.1f%%')
plt.title('Sales by Location')
plt.ylabel('')
plt.show()
```
代码中,我们使用 Pandas 读取电商销售数据,对数据进行一系列分组计算,并使用 Matplotlib 绘制柱状图、折线图和饼图。其中,`groupby` 函数用于对数据进行分组,`plot` 函数用于绘制图形,`to_period` 函数用于将日期类型转换为月份,`nunique` 函数用于计算唯一值的数量,`date` 属性用于获取日期,`mean` 函数用于计算平均值,`pie` 函数用于绘制饼图。
运行上述代码,可以得到一系列图表,如下所示:
月度成交金额柱状图:
![月度成交金额柱状图](https://img-blog.csdnimg.cn/20211010004005761.png)
月度消费人数折线图:
![月度消费人数折线图](https://img-blog.csdnimg.cn/2021101000402281.png)
每天订单数量折线图:
![每天订单数量折线图](https://img-blog.csdnimg.cn/20211010004039438.png)
每人单次平均消费金额折线图:
![每人单次平均消费金额折线图](https://img-blog.csdnimg.cn/20211010004052949.png)
不同地理位置销售额饼图:
![不同地理位置销售额饼图](https://img-blog.csdnimg.cn/2021101000410997.png)