超市营业额数据分析

1.1&＃xff1a;导入模块

import pandas as pd


1.2&＃xff1a;数据处理

读取表格数据

df &＃61; pd.read_excel("超市营业额.xlsx")


根据日期分类汇总&＃xff0c;按交易额求和汇总并取最小的前3位和交易额的列名

df1 &＃61; df.groupby(by&＃61;"日期", as_index&＃61;False).agg({"交易额": "sum"}).nsmallest(3,[&＃39;交易额&＃39;])


1.3&＃xff1a;输出结果

print(pd.to_datetime(df1.日期).dt.day_name())


24 Monday
20 Thursday
9 Sunday
Name: 日期, dtype: object


完整代码

import pandas as pd
df &＃61; pd.read_excel("超市营业额.xlsx")
df1 &＃61; df.groupby(by&＃61;"日期", as_index&＃61;False).agg({"交易额": "sum"}).nsmallest(3,[&＃39;交易额&＃39;])
print(pd.to_datetime(df1.日期).dt.day_name())

2&＃xff1a;把所有员工的工号前面增加一位数字&＃xff0c;增加的数字和原工号最后一位相同&＃xff0c;把修改后的数据写入新的文件“超市营业额2_修改工号.xlsx”

2.1&＃xff1a;导入模块

import pandas as pd


2.2&＃xff1a;数据处理

读取表格数据

df &＃61; pd.read_excel("超市营业额.xlsx")


把所有员工的工号前面增加一位数字

df[&＃39;工号&＃39;]&＃61;df[&＃39;工号&＃39;].map(lambda s: str(s)[-1] &＃43; str(s))


把修改后的数据写入新的文件“超市营业额2_修改工号.xlsx”

df1 &＃61; pd.read_excel("超市营业额2_修改工号.xlsx")


查看是否写入

df1 &＃61; pd.read_excel("超市营业额2_修改工号.xlsx")
print(df1)


工号 姓名 日期 时段 交易额 柜台
0 11001 张三 2019-03-01 9&＃xff1a;00-14&＃xff1a;00 1664.0 化妆品
1 21002 李四 2019-03-01 14&＃xff1a;00-21&＃xff1a;00 954.0 化妆品
2 31003 王五 2019-03-01 9&＃xff1a;00-14&＃xff1a;00 1407.0 食品
3 41004 赵六 2019-03-01 14&＃xff1a;00-21&＃xff1a;00 1320.0 食品
4 51005 周七 2019-03-01 9&＃xff1a;00-14&＃xff1a;00 994.0 日用品
.. ... .. ... ... ... ...
244 21002 李四 2019-03-31 14&＃xff1a;00-21&＃xff1a;00 859.0 蔬菜水果
245 41004 赵六 2019-03-31 9&＃xff1a;00-14&＃xff1a;00 1668.0 日用品
246 41004 赵六 2019-03-31 14&＃xff1a;00-21&＃xff1a;00 1722.0 日用品
247 31003 王五 2019-03-31 9&＃xff1a;00-14&＃xff1a;00 1274.0 食品
248 61006 钱八 2019-03-31 14&＃xff1a;00-21&＃xff1a;00 812.0 食品


完整代码

import pandas as pd

df &＃61; pd.read_excel("超市营业额.xlsx")
df[&＃39;工号&＃39;]&＃61;df[&＃39;工号&＃39;].map(lambda s: str(s)[-1] &＃43; str(s))
df.to_excel(&＃39;超市营业额2_修改工号.xlsx&＃39;,index &＃61; False)
df1 &＃61; pd.read_excel("超市营业额2_修改工号.xlsx")
print(df1)

3&＃xff1a;把每个员工的交易额数据写入文件“各员工数据.xlsx”&＃xff0c;每个员工的数据占一个 worksheet&＃xff0c;结构和“超市营业额2.xlsx”一样&＃xff0c;并以员工姓名作为worksheet 的标题

3.1&＃xff1a;导入模块

import pandas as pd


3.2&＃xff1a;数据处理

读取表格数据

df &＃61; pd.read_excel("超市营业额.xlsx")


设置输出格式

writer &＃61; pd.ExcelWriter(&＃39;各员工数据.xlsx&＃39;)


读取姓名并去重

names &＃61; set(df[&＃39;姓名&＃39;])


每个员工的数据占一个 worksheet&＃xff0c;并以员工姓名作为worksheet 的标题

for name in names:
df1 &＃61; df[df.姓名 &＃61;&＃61; name]
df1.to_excel(writer, sheet_name &＃61; name, index &＃61; False)
writer.save()


完整代码

import pandas as pd
df &＃61; pd.read_excel("超市营业额.xlsx")
writer &＃61; pd.ExcelWriter(&＃39;各员工数据.xlsx&＃39;)
names &＃61; set(df[&＃39;姓名&＃39;])
for name in names:
df1 &＃61; df[df.姓名 &＃61;&＃61; name]
df1.to_excel(writer, sheet_name &＃61; name, index &＃61; False)

writer.save()

4&＃xff1a;利用Pandas绘制折线图展示一个月内各柜台营业额每天的变化趋势

4.1&＃xff1a;导入模块

import pandas as pd
import matplotlib.pyplot as plot
import matplotlib.font_manager as fm


4.2&＃xff1a;数据处理

读取表格数据并筛选列名为’日期’, ‘柜台’, ‘交易额’&＃xff0c;的列

df &＃61; pd.read_excel(&＃39;超市营业额.xlsx&＃39;,usecols&＃61;[&＃39;日期&＃39;, &＃39;柜台&＃39;, &＃39;交易额&＃39;])


根据日期和柜台分类汇总&＃xff0c;对交易额进行求和

df &＃61; df.groupby(by &＃61; [&＃39;日期&＃39;,&＃39;柜台&＃39;], as_index &＃61; False).agg({"交易额": "sum"})


以日期横轴&＃xff0c;柜台为纵轴&＃xff0c;交易额为变化曲线画图

df &＃61; df.pivot(index &＃61; &＃39;日期&＃39;, columns &＃61; &＃39;柜台&＃39;, values &＃61; &＃39;交易额&＃39;)
df.plot()


完整代码

import pandas as pd
import matplotlib.pyplot as plot
import matplotlib.font_manager as fm
df &＃61; pd.read_excel(&＃39;超市营业额.xlsx&＃39;,usecols&＃61;[&＃39;日期&＃39;, &＃39;柜台&＃39;, &＃39;交易额&＃39;])
df &＃61; df.groupby(by &＃61; [&＃39;日期&＃39;,&＃39;柜台&＃39;], as_index &＃61; False).agg({"交易额": "sum"})
df &＃61; df.pivot(index &＃61; &＃39;日期&＃39;, columns &＃61; &＃39;柜台&＃39;, values &＃61; &＃39;交易额&＃39;)
df.plot()

5&＃xff1a;利用Pandas绘制饼状图展示该月各柜台营业额在交易总额中的占比

5.1&＃xff1a;导入模块

import pandas as pd
import matplotlib.pyplot as plot
import matplotlib.font_manager as fm


5.2&＃xff1a;数据处理

设置使用中文字体&＃xff08;font&＃xff09;为黑体&＃xff08;SimHei&＃xff09;

pt.rcParams[&＃39;font.sans-serif&＃39;] &＃61; [&＃39;simhei&＃39;]


读取表格数据并筛选列名为 ‘柜台’, ‘交易额’&＃xff0c;的列

df &＃61; pd.read_excel(&＃39;超市营业额.xlsx&＃39;,usecols&＃61;[&＃39;柜台&＃39;, &＃39;交易额&＃39;])


根据柜台分类汇总&＃xff0c;对交易额进行求和

df &＃61; df.groupby(by &＃61; [&＃39;柜台&＃39;], as_index &＃61; False).agg({"交易额": "sum"})


展示该月各柜台营业额在交易总额中的占比

df &＃61; df.plot(x &＃61; &＃39;柜台&＃39;, y &＃61; &＃39;交易额&＃39;, kind &＃61; &＃39;pie&＃39;, labels &＃61; df.柜台.values)
pt.legend()
pt.show()


完整代码

import pandas as pd
import matplotlib.pyplot as pt
import matplotlib.font_manager as fm
pt.rcParams[&＃39;font.sans-serif&＃39;] &＃61; [&＃39;simhei&＃39;]
df &＃61; pd.read_excel(&＃39;超市营业额.xlsx&＃39;,usecols&＃61;[&＃39;柜台&＃39;, &＃39;交易额&＃39;])
df &＃61; df.groupby(by &＃61; [&＃39;柜台&＃39;], as_index &＃61; False).agg({"交易额": "sum"})
df &＃61; df.plot(x &＃61; &＃39;柜台&＃39;, y &＃61; &＃39;交易额&＃39;, kind &＃61; &＃39;pie&＃39;, labels &＃61; df.柜台.values)
pt.legend()
pt.show()

6&＃xff1a;绘制柱状图展示张三在不同柜台的交易总额

6.1&＃xff1a;导入模块

import pandas as pd
import matplotlib.pyplot as pt
import matplotlib.font_manager as fm


6.2&＃xff1a;数据处理

设置使用中文字体&＃xff08;font&＃xff09;为黑体&＃xff08;SimHei&＃xff09;

pt.rcParams[&＃39;font.sans-serif&＃39;] &＃61; [&＃39;simhei&＃39;]


读取表格数据并筛选列名为’姓名’, ‘柜台’, ‘交易额’&＃xff0c;的列

df &＃61; pd.read_excel(&＃39;超市营业额.xlsx&＃39;,usecols&＃61;[&＃39;姓名&＃39;,&＃39;柜台&＃39;, &＃39;交易额&＃39;])


筛选姓名为张三的信息

df &＃61; df[df.姓名 &＃61;&＃61; &＃39;张三&＃39;]


根据柜台分类汇总&＃xff0c;对交易额进行求和

df &＃61; df.groupby(by &＃61; [&＃39;柜台&＃39;], as_index &＃61; False).agg({"交易额": "sum"})


绘制柱状图展示张三在不同柜台的交易总额

df &＃61; df.plot(x &＃61; &＃39;柜台&＃39;, y &＃61; &＃39;交易额&＃39;, kind &＃61; &＃39;bar&＃39;)
pt.legend()
pt.show()


完整代码

import pandas as pd
import matplotlib.pyplot as pt
import matplotlib.font_manager as fm
pt.rcParams[&＃39;font.sans-serif&＃39;] &＃61; [&＃39;simhei&＃39;]
df &＃61; pd.read_excel(&＃39;超市营业额.xlsx&＃39;,usecols&＃61;[&＃39;姓名&＃39;,&＃39;柜台&＃39;, &＃39;交易额&＃39;])
df &＃61; df[df.姓名 &＃61;&＃61; &＃39;张三&＃39;]
df &＃61; df.groupby(by &＃61; [&＃39;柜台&＃39;], as_index &＃61; False).agg({"交易额": "sum"})
df &＃61; df.plot(x &＃61; &＃39;柜台&＃39;, y &＃61; &＃39;交易额&＃39;, kind &＃61; &＃39;bar&＃39;)
pt.legend()
pt.show()