在數(shù)據(jù)時(shí)代，銷(xiāo)售數(shù)據(jù)分析的重要性已無(wú)需贅言。只有對(duì)銷(xiāo)售數(shù)據(jù)的準(zhǔn)確分析我們才有可能找準(zhǔn)數(shù)據(jù)變動(dòng)的原因。本文將介紹用Python制作銷(xiāo)售數(shù)據(jù)大屏的方法。感興趣的可以關(guān)注一下

1. 數(shù)據(jù)

使用的數(shù)據(jù)是虛構(gòu)數(shù)據(jù)，某超市2021年銷(xiāo)售訂單數(shù)據(jù)，共有1000條的訂單數(shù)據(jù)。

城市有三個(gè)，分別為北京、上海、杭州。顧客類(lèi)型有兩種，為會(huì)員和普通。顧客性別為男性和女性。

剩下還包含訂單編號(hào)、商品類(lèi)型、單價(jià)、數(shù)量、總價(jià)、日期、時(shí)間、支付方式、成本、毛利率、總收入、評(píng)分等信息。

通用Pandas的read_excel方法讀取數(shù)據(jù)。

跳過(guò)前3行，選取B到R列，1000行數(shù)據(jù)。

def get_data_from_excel():
    df = pd.read_excel(
        io="supermarkt_sales.xlsx",
        engine="openpyxl",
        sheet_name="Sales",
        skiprows=3,
        usecols="B:R",
        nrows=1000,
    )
    # 添加小時(shí)列數(shù)據(jù)
    df["小時(shí)"] = pd.to_datetime(df["時(shí)間"], format="%H:%M:%S").dt.hour
    return df

df = get_data_from_excel()
print(df)

成功讀取數(shù)據(jù)，結(jié)果如下。

下面便可以來(lái)編寫(xiě)頁(yè)面了。

2. 網(wǎng)頁(yè)標(biāo)題和圖標(biāo)

我們都知道當(dāng)瀏覽器打開(kāi)一個(gè)網(wǎng)頁(yè)，會(huì)有標(biāo)題和圖標(biāo)。

所以我們需先設(shè)置本次網(wǎng)頁(yè)的名稱(chēng)、圖標(biāo)、布局等。

這也是使用Streamlit搭建頁(yè)面，使用的第一個(gè)Streamlit命令，并且只能設(shè)置一次。

# 設(shè)置網(wǎng)頁(yè)信息 
st.set_page_config(page_title="銷(xiāo)售數(shù)據(jù)大屏", page_icon=":bar_chart:", layout="wide")

其中page_icon參數(shù)可以使用表情符號(hào)代碼來(lái)顯示圖標(biāo)。

妥妥的表情符號(hào)代碼大全！

3. 側(cè)邊欄和多選框

st.sidebar(側(cè)邊欄)，每個(gè)傳遞給st.sidebar的元素都會(huì)被固定在左邊，讓用戶(hù)可以專(zhuān)注于主頁(yè)中的內(nèi)容。

multiselect(多選框)是一個(gè)交互性的部件，可以通過(guò)它進(jìn)行數(shù)據(jù)篩選。

# 側(cè)邊欄
st.sidebar.header("請(qǐng)?jiān)谶@里篩選:")
city = st.sidebar.multiselect(
    "選擇城市:",
    options=df["城市"].unique(),
    default=df["城市"].unique()
)

customer_type = st.sidebar.multiselect(
    "選擇顧客類(lèi)型:",
    options=df["顧客類(lèi)型"].unique(),
    default=df["顧客類(lèi)型"].unique(),
)

gender = st.sidebar.multiselect(
    "選擇性別:",
    options=df["性別"].unique(),
    default=df["性別"].unique()
)

df_selection = df.query(
    "城市 == @city & 顧客類(lèi)型 ==@customer_type & 性別 == @gender"
)

結(jié)合Pandas的query查詢(xún)，就能對(duì)數(shù)據(jù)進(jìn)行過(guò)濾。

通過(guò)上述代碼就搭建成功了，如下圖左側(cè)。

點(diǎn)擊側(cè)邊欄的右上角關(guān)閉符號(hào)，側(cè)邊欄即可隱藏。

網(wǎng)頁(yè)將會(huì)展示主頁(yè)面。

4. 主頁(yè)面信息

接下來(lái)編寫(xiě)主頁(yè)面信息，包含主頁(yè)標(biāo)題、銷(xiāo)售總額、平均評(píng)分、平均銷(xiāo)售額信息。

和網(wǎng)頁(yè)的圖標(biāo)一樣，通過(guò)表情符號(hào)代碼實(shí)現(xiàn)。

# 主頁(yè)面
st.title(":bar_chart: 銷(xiāo)售數(shù)據(jù)大屏")
st.markdown("##")

# 核心指標(biāo), 銷(xiāo)售總額、平均評(píng)分、星級(jí)、平均銷(xiāo)售額數(shù)據(jù)
total_sales = int(df_selection["總價(jià)"].sum())
average_rating = round(df_selection["評(píng)分"].mean(), 1)
star_rating = ":star:" * int(round(average_rating, 0))
average_sale_by_transaction = round(df_selection["總價(jià)"].mean(), 2)


# 3列布局
left_column, middle_column, right_column = st.columns(3)

# 添加相關(guān)信息
with left_column:
    st.subheader("銷(xiāo)售總額:")
    st.subheader(f"RMB {total_sales:,}")
with middle_column:
    st.subheader("平均評(píng)分:")
    st.subheader(f"{average_rating} {star_rating}")
with right_column:
    st.subheader("平均銷(xiāo)售額:")
    st.subheader(f"RMB {average_sale_by_transaction}")

# 分隔符
st.markdown("""---""")

完成核心指標(biāo)數(shù)據(jù)的處理，并將其進(jìn)行布局顯示。

5. 主頁(yè)面圖表

包含了兩個(gè)圖表，一個(gè)是每小時(shí)銷(xiāo)售額，一個(gè)是各類(lèi)商品銷(xiāo)售總額。通過(guò)Plotly Express完成圖表的繪制。

Plotly Express是一個(gè)新的高級(jí)Python可視化庫(kù)，是Plotly.py的高級(jí)封裝，它為復(fù)雜的圖表提供了一個(gè)簡(jiǎn)單的語(yǔ)法。

受Seaborn和ggplot2的啟發(fā)，它專(zhuān)門(mén)設(shè)計(jì)為具有簡(jiǎn)潔，一致且易于學(xué)習(xí)的API。只需一次導(dǎo)入，就可以在一個(gè)函數(shù)調(diào)用中創(chuàng)建豐富的交互式繪圖。

# 各類(lèi)商品銷(xiāo)售情況(柱狀圖)
sales_by_product_line = (
    df_selection.groupby(by=["商品類(lèi)型"]).sum()[["總價(jià)"]].sort_values(by="總價(jià)")
)
fig_product_sales = px.bar(
    sales_by_product_line,
    x="總價(jià)",
    y=sales_by_product_line.index,
    orientation="h",
    title="<b>每種商品銷(xiāo)售總額</b>",
    color_discrete_sequence=["#0083B8"] * len(sales_by_product_line),
    template="plotly_white",
)
fig_product_sales.update_layout(
    plot_bgcolor="rgba(0,0,0,0)",
    xaxis=(dict(showgrid=False))
)

# 每小時(shí)銷(xiāo)售情況(柱狀圖)
sales_by_hour = df_selection.groupby(by=["小時(shí)"]).sum()[["總價(jià)"]]
print(sales_by_hour.index)
fig_hourly_sales = px.bar(
    sales_by_hour,
    x=sales_by_hour.index,
    y="總價(jià)",
    title="<b>每小時(shí)銷(xiāo)售總額</b>",
    color_discrete_sequence=["#0083B8"] * len(sales_by_hour),
    template="plotly_white",
)
fig_hourly_sales.update_layout(
    xaxis=dict(tickmode="linear"),
    plot_bgcolor="rgba(0,0,0,0)",
    yaxis=(dict(showgrid=False)),
)


left_column, right_column = st.columns(2)
left_column.plotly_chart(fig_hourly_sales, use_container_width=True)
right_column.plotly_chart(fig_product_sales, use_container_width=True)

添加數(shù)據(jù)，設(shè)置圖表配置，以及網(wǎng)頁(yè)布局。

得到結(jié)果如下。

6. 隱藏部件

當(dāng)我們通過(guò)Streamlit搭建一個(gè)界面，默認(rèn)就會(huì)有紅線、菜單、結(jié)尾的"Make with Streamlit"。

為了美觀，這里可以將它們都隱藏掉。

# 隱藏streamlit默認(rèn)格式信息
hide_st_style = """
            <style>
            #MainMenu {visibility: hidden;}
            footer {visibility: hidden;}
            header {visibility: hidden;}
            </style>
            """

st.markdown(hide_st_style, unsafe_allow_html=True)

這樣一個(gè)可交互的銷(xiāo)售數(shù)據(jù)看板，就完成搭建啦！

# 安裝依賴(lài)庫(kù)
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple plotly==4.14.3
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas==1.1.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple streamlit==0.86.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openpyxl==3.0.6

# 運(yùn)行
streamlit run app.py

安裝相關(guān)依賴(lài)，命令行終端運(yùn)行程序。?

以上就是Python實(shí)現(xiàn)制作銷(xiāo)售數(shù)據(jù)可視化看板詳解的詳細(xì)內(nèi)容，更多關(guān)于Python 數(shù)據(jù)可視化的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: