您好,登錄后才能下訂單哦!
這篇文章主要講解了“怎么用Python數據分析超市的促銷時間”,文中的講解內容簡單清晰,易于學習與理解,下面請大家跟著小編的思路慢慢深入,一起來研究和學習“怎么用Python數據分析超市的促銷時間”吧!
分析一下超市近期的運營數據,通過分析,對超市近期的運行狀況有了直觀的了解
數據存放在表格中,我們用pandas將其讀出來
import pandas as pd data=pd.read_csv('超市運營數據.csv',encoding='gbk',parse_dates=["成交時間"]) data
首先將數據按照類別ID進行分組,然后對分組后的銷量進行求和,最后用reset_index重置索引
data_group=data.groupby("類別ID")["銷量"].sum().reset_index() data_group
為了取出銷量最好的10類商品類別,我們可以對data_group按照“銷量”進行排序,取出前10個
data_group=data_group.sort_values(by="銷量",ascending=False).head(10) data_group
分析邏輯與哪些類別的分析一致,代碼如下:
data['銷售額']=data['銷量']*data['單價'] data
首先計算銷售額,并添加到數據中:
data['銷售額']=data['銷量']*data['單價'] data
按照門店進行分組,對分組后的營業額進行求和:
data_group=data.groupby('門店編號')['銷售額'].sum().reset_index() data_group
用餅圖畫出銷售額占比:
from pyecharts import options as opts from pyecharts.charts import Pie x=list(data_group['門店編號']) y=list(data_group['銷售額']) 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="門店銷售額占比")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: aegqsqibtmh")) ) pie.render_notebook()
了解客流高峰時間段是很有必要的,可以幫助超市確定什么時間開展促銷活動最合適
首先從日期中提取小時數
data['小時']=data['成交時間'].map(lambda x:int(x.strftime("%H"))) data
對小時和訂單進行去重
traffic=data[['小時','訂單ID']].drop_duplicates() traffic
計算每小時的訂單量
traffic_count=traffic.groupby("小時")["訂單ID"].count() traffic_count
畫出折線圖:
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="銷量",y_axis=y, is_smooth=True) .set_global_opts( title_opts=opts.TitleOpts(title="不同時段銷量折線圖"), yaxis_opts=opts.AxisOpts( axistick_opts=opts.AxisTickOpts(is_show=True), splitline_opts=opts.SplitLineOpts(is_show=True), ),) ) line.render_notebook()
從上圖可以發現,8點至10點是超市一天中的銷量高峰期,然后17至19點又有一個小高峰,所以這兩個時間段搞促銷效果會比較好!
感謝各位的閱讀,以上就是“怎么用Python數據分析超市的促銷時間”的內容了,經過本文的學習后,相信大家對怎么用Python數據分析超市的促銷時間這一問題有了更深刻的體會,具體使用情況還需要大家實踐驗證。這里是億速云,小編將為大家推送更多相關知識點的文章,歡迎關注!
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。