python 数据分析第一天¶

如下列表保存着本公司从2022年1月到12月五个销售区域（南京、无锡、苏州、徐州、南通）的销售额（以百万元为单位），请利用这些数据完成以下操作：

python
sales_month = [f'{i:>2d}月' for i in range(1, 13)]
sales_area = ['南京', '无锡', '苏州', '徐州', '南通']
sales_data = [
    [32, 17, 12, 20, 28],
    [41, 30, 17, 15, 35],
    [35, 18, 13, 11, 24],
    [12, 42, 44, 21, 34],
    [29, 11, 42, 32, 50],
    [10, 15, 11, 12, 26],
    [16, 28, 48, 22, 28],
    [31, 40, 45, 30, 39],
    [25, 41, 47, 42, 47],
    [47, 21, 13, 49, 48],
    [41, 36, 17, 36, 22],
    [22, 25, 15, 20, 37]
]
  1. 统计本公司每个月的销售额。
  2. 统计本公司销售额的月环比。
  3. 统计每个销售区域全年的销售额。
  4. 按销售额从高到低排序销售区域及其销售额。
  5. 统计全年最高的销售额出现在哪个月哪个区域。
  6. 找出哪个销售区域的业绩最不稳定。
In [12]:
sales_month = [f'{i:>2d}月' for i in range(1, 13)]
sales_area = ['南京', '无锡', '苏州', '徐州', '南通']
sales_data = [
    [32, 17, 12, 20, 28],
    [41, 30, 17, 15, 35],
    [35, 18, 13, 11, 24],
    [12, 42, 44, 21, 34],
    [29, 11, 42, 32, 50],
    [10, 15, 11, 12, 26],
    [16, 28, 48, 22, 28],
    [31, 40, 45, 30, 39],
    [25, 41, 47, 42, 47],
    [47, 21, 13, 49, 48],
    [41, 36, 17, 36, 22],
    [22, 25, 15, 20, 37]
]
#1. 统计本公司每个月的销售额。
month_sales = []
for i,month in enumerate(sales_month):
    temp = sum(sales_data[i])
    month_sales.append()
    print(f'{month}:{temp}')

 1月:109
 2月:138
 3月:101
 4月:153
 5月:164
 6月:74
 7月:142
 8月:185
 9月:202
10月:178
11月:152
12月:119
In [25]:
#2. 统计本公司销售额的月环比。

for i,month in enumerate(sales_month):
    if i > 0:
        huan = (sum(sales_data[i]) - sum(sales_data[i-1]))/sum(sales_data[i-1])
    print(f"{month}:{huan:.2%}")
    
    

 1月:-21.71%
 2月:26.61%
 3月:-26.81%
 4月:51.49%
 5月:7.19%
 6月:-54.88%
 7月:91.89%
 8月:30.28%
 9月:9.19%
10月:-11.88%
11月:-14.61%
12月:-21.71%
In [32]:
#3. 统计每个销售区域全年的销售额。
from statistics import pvariance as var
my_dict={}
area_vars = []
for j,area in enumerate(sales_area):
    temp = [sales_data[i][j] for i in range(12)]
    area_vars.append(var(temp))
    my_dict[area]=sum(temp)
    print(f'{area}:{sum(temp)}')

南京:341
无锡:324
苏州:324
徐州:310
南通:418
In [39]:
# 4. 按销售额从高到低排序销售区域及其销售额。
list1 = sorted(my_dict,key=lambda x:my_dict[x], reverse=True)
for key in list1:
    print(f'{key}：{my_dict[key]}')

南通：418
南京：341
无锡：324
苏州：324
徐州：310
In [38]:
# 5. 统计全年最高的销售额出现在哪个月哪个区域。
max1 = 0
yue = 0 
di = 0
for x,y in enumerate(sales_data):
    for z,t in enumerate(y):
        if t >= max1:
            max1 = t
            yue = x
            di = z

print(f'''
最高销售额：{max1}
月份：{sales_month[yue]}
地区：{sales_area[di]}
''')

最高销售额：50
月份： 5月
地区：南通
In [30]:
# 6. 找出哪个销售区域的业绩最不稳定。
sales_area[area_vars.index(max(area_vars))]
Out[30]:
'苏州'

三大神器¶

  1. Numpy - numerical python - ndarray
  2. pandas - panel date set - series / dateframe / index - 数据分析全流程工具 / cuDF Polars
  3. matplotlib - 封装了常用的统计图表
In [41]:
# %pip install numpy pandas matplotlib openpyxl
In [42]:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
In [43]:
np.__version__
Out[43]:
'2.2.5'
In [44]:
pd.__version__
Out[44]:
'2.2.3'
In [45]:
array = np.array(sales_data)
array
Out[45]:
array([[32, 17, 12, 20, 28],
       [41, 30, 17, 15, 35],
       [35, 18, 13, 11, 24],
       [12, 42, 44, 21, 34],
       [29, 11, 42, 32, 50],
       [10, 15, 11, 12, 26],
       [16, 28, 48, 22, 28],
       [31, 40, 45, 30, 39],
       [25, 41, 47, 42, 47],
       [47, 21, 13, 49, 48],
       [41, 36, 17, 36, 22],
       [22, 25, 15, 20, 37]])
In [46]:
array.sum()
Out[46]:
np.int64(1717)
In [47]:
array.sum(axis=1)
Out[47]:
array([109, 138, 101, 153, 164,  74, 142, 185, 202, 178, 152, 119])
In [52]:
array.sum(axis=0)
Out[52]:
array([341, 324, 324, 310, 418])
In [ ]:
array.sum(axis=0).argmax()
In [ ]:
array.var(axis=0).argmax()
In [55]:
df = pd.DataFrame(
    data=array,
    columns=sales_area,
    index =sales_month
)
df
Out[55]:
南京 无锡 苏州 徐州 南通
1月 32 17 12 20 28
2月 41 30 17 15 35
3月 35 18 13 11 24
4月 12 42 44 21 34
5月 29 11 42 32 50
6月 10 15 11 12 26
7月 16 28 48 22 28
8月 31 40 45 30 39
9月 25 41 47 42 47
10月 47 21 13 49 48
11月 41 36 17 36 22
12月 22 25 15 20 37
In [56]:
df.sum(axis=1)
Out[56]:
 1月    109
 2月    138
 3月    101
 4月    153
 5月    164
 6月     74
 7月    142
 8月    185
 9月    202
10月    178
11月    152
12月    119
dtype: int64
In [57]:
df.sum(axis=0)
Out[57]:
南京    341
无锡    324
苏州    324
徐州    310
南通    418
dtype: int64
In [58]:
df["总计"] = df.sum(axis=1)
df
Out[58]:
南京 无锡 苏州 徐州 南通 总计
1月 32 17 12 20 28 109
2月 41 30 17 15 35 138
3月 35 18 13 11 24 101
4月 12 42 44 21 34 153
5月 29 11 42 32 50 164
6月 10 15 11 12 26 74
7月 16 28 48 22 28 142
8月 31 40 45 30 39 185
9月 25 41 47 42 47 202
10月 47 21 13 49 48 178
11月 41 36 17 36 22 152
12月 22 25 15 20 37 119
In [61]:
df["月环比"]=df["总计"].pct_change()
df
Out[61]:
南京 无锡 苏州 徐州 南通 总计 月环比
1月 32 17 12 20 28 109 NaN
2月 41 30 17 15 35 138 0.266055
3月 35 18 13 11 24 101 -0.268116
4月 12 42 44 21 34 153 0.514851
5月 29 11 42 32 50 164 0.071895
6月 10 15 11 12 26 74 -0.548780
7月 16 28 48 22 28 142 0.918919
8月 31 40 45 30 39 185 0.302817
9月 25 41 47 42 47 202 0.091892
10月 47 21 13 49 48 178 -0.118812
11月 41 36 17 36 22 152 -0.146067
12月 22 25 15 20 37 119 -0.217105
In [73]:
plt.get_cmap("YlOrRd")
Out[73]:
YlOrRd
YlOrRd colormap
under
bad
over
In [74]:
df.style.format(
    formatter={
        "月环比":"{:.2%}"
    },
    na_rep="-----"    
).background_gradient(
    cmap="YlOrRd",
    subset=["总计","月环比"]
)
Out[74]:
  南京 无锡 苏州 徐州 南通 总计 月环比
1月 32 17 12 20 28 109 -----
2月 41 30 17 15 35 138 26.61%
3月 35 18 13 11 24 101 -26.81%
4月 12 42 44 21 34 153 51.49%
5月 29 11 42 32 50 164 7.19%
6月 10 15 11 12 26 74 -54.88%
7月 16 28 48 22 28 142 91.89%
8月 31 40 45 30 39 185 30.28%
9月 25 41 47 42 47 202 9.19%
10月 47 21 13 49 48 178 -11.88%
11月 41 36 17 36 22 152 -14.61%
12月 22 25 15 20 37 119 -21.71%
In [78]:
plt.rcParams['font.sans-serif'].insert(0, 'SimHei')
plt.rcParams['axes.unicode_minus'] = False
In [79]:
#魔法指令
%config InlineBackend.figure_format = 'svg'
In [86]:
df.plot(
    figsize=(8,5),
    kind="line",
    y="总计",
    legend=False,
    marker="*",
    linewidth=0.6,
    linestyle="--",
)
plt.ylim(0,240)
plt.title("2022年月度销售额",fontdict={"size":18,"color":"navy"})
plt.show()
No description has been provided for this image
In [85]:
df.plot(
    figsize=(12,5),
    kind="bar",
    y=sales_area,
    stacked=True,
)
plt.xticks(rotation=0)
plt.show()
No description has been provided for this image
In [87]:
df.to_excel("销售数据.xlsx")