您好,登录后才能下订单哦!
这篇文章主要讲解了“怎么用Python数据分析超市的促销时间”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“怎么用Python数据分析超市的促销时间”吧!
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
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
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
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
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()
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()
从上图可以发现,8点至10点是超市一天中的销量高峰期,然后17至19点又有一个小高峰,所以这两个时间段搞促销效果会比较好!
感谢各位的阅读,以上就是“怎么用Python数据分析超市的促销时间”的内容了,经过本文的学习后,相信大家对怎么用Python数据分析超市的促销时间这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是亿速云,小编将为大家推送更多相关知识点的文章,欢迎关注!
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。