当前位置:首页 > 运营 > 正文

做销售订单案例分析怎么写(解读简单的数据分析案例)

研究目的

  1. 做销售订单案例分析怎么写(解读简单的数据分析案例)  第1张订单前十的产品都有哪些?

  2. 销售量前十的产品都有哪些?

  3. 每个分拨中心的销量占比是多少?

  4. 哪些月份订单量最多?

数据导入

使用pandas包导入数据,其中parse_dates用于解析日期。

import pandas as pd from datetime import datetime df=pd.read_excel(r'C:/Users/尚天强/Desktop/销售订单明细.xlsx',parse_dates=['发货日期']) df.head()

做销售订单案例分析怎么写(解读简单的数据分析案例)  第2张

订单前十的产品

查看订单量前十的产品都有哪些?使用value_counts()函数进行分组计数,默认是降序排列,同时使用head函数选取前十个数据结果,其中充电宝订单数排第一位。

count_ten=df['产品名称'].value_counts().head(10) count_ten

做销售订单案例分析怎么写(解读简单的数据分析案例)  第3张

数字不太直观,我们导入matplotlib包将订单量可视化进行展示。

import matplotlib.pyplot as plt #让图表直接在Jupyter Notebook中展示出来 %matplotlib inline plt.rcParams["font.sans-serif"] = 'SimHei' #中文乱码问题 plt.rcParams['axes.unicode_minus'] = False #负号无法显示 %config InlineBackend.figure_format = 'svg' #设置图表为数量图格式形式

value_counts函数是默认降序排列,可以使用sort_values函数升序排列后,使用plot.barh函数做一个条形图,由图可以看出订单数排前十的产品,且贴膜和数据线这两款产品之间订单数出现显著差异。

count_ten=count_ten.sort_values() count_ten.plot.barh()

做销售订单案例分析怎么写(解读简单的数据分析案例)  第4张

销售量前十的产品

查看销售量前十的产品,按照产品名称分组求和,然后使用sort_values函数设置ascending=False参数进行降序排列。

sale_ten=df.groupby('产品名称')['销售数量'].sum().sort_values(ascending=False).head(10) sale_ten

做销售订单案例分析怎么写(解读简单的数据分析案例)  第5张

使用条形图直观地展示数据结果,手机壳的销量排第一位,表明手机壳更新换代速度比较快,产品需求多。

sale_ten_sort=sale_ten.sort_values() sale_ten_sort.plot.barh()

做销售订单案例分析怎么写(解读简单的数据分析案例)  第6张

每个分拨中心中心的销量占比

每款产品都是由分拨中心始发,查看每个分拨中心中心的销量占比,使用groupby函数根据发货地分组求和,同时除以总销量,即可得到每个分拨中心的销量占比。

fahuoz_count=df.groupby('发货地')['销售数量'].sum()/df['销售数量'].sum() fahuoz_count

做销售订单案例分析怎么写(解读简单的数据分析案例)  第7张

使用plot.pie函数绘制一个饼图,由图可以看出上海分拨中心的的销量占比最高,达到37.89%,郑州分拨中心的销量占比最低,仅有11.38%。

fahuoz_count.plot.pie(figsize=(5, 5),startangle=90,autopct='%1.2f%%')

做销售订单案例分析怎么写(解读简单的数据分析案例)  第8张

哪些月份订单量最多

查看哪些月份的订单最多,这里筛选2018年1月1日到2018年12月31日的数据,同时使用map和lambda函数提取年月,将提取的年月数据格式变化为字符类型。

#筛选2018年数据 this_year=df[(df['订单日期']>=datetime(2018,1,1))&(df['订单日期']

取消
扫码支持 支付码