---

前言

import pandas as pd

import numpy as np

---

一、数据清洗

data = pd.read_csv(r'C:\Users\B\Desktop\dataset.csv',encoding='gbk')
data.head()

data.columns = ['行编号','订单ID','订单日期','发货日期','发货模式','客户ID','客户姓名','客户类别','客户所在城市','客户所在州','客户所在国家','邮编','商店所属区域','商店所属州','产品ID','产品类别','产品子类别','产品名称','售价','销售量','折扣','利润','发货成本','订单优先级']
data.columns 

data.isnull().mean()

# 1) 日期类型转换
data['发货日期'] = pd.to_datetime(data['发货日期'])
data['订单日期'] = pd.to_datetime(data['订单日期'])

# 计算时间差
data['发货秒数'] = (data['发货日期']- data['订单日期']).dt.total_seconds()
data.head()

data.describe(include='all')

# 基于索引删除
data.drop(index=data[data['发货秒数']<0].index,inplace=True)

data.drop_duplicates('行编号',inplace=True)

# 发货模式
data['发货模式'].mode()

data['发货模式'].fillna(value=data['发货模式'].mode()[0],inplace=True)
data.drop(columns='邮编',inplace=True)


# 把折扣>1的，替换为空值
data['折扣'] = data['折扣'].mask(data['折扣']>1,None)
data['折扣'].isnull().sum()



# 把折扣为空值的用平均值填充
data['折扣'].fillna(value= round(data['折扣'].mean(),2),inplace=True)

# 去重
data.duplicated().sum()


# 订单日期拆分
data['下订单年'] = data['订单日期'].dt.year
data['下订单月'] = data['订单日期'].dt.month
data['下订单季度'] = data['订单日期'].dt.to_period('Q')

二、数据分析

1.每年销售额的增长情况

代码如下（示例）：

data['销售额'] = data['销售量']*data['售价']
data.head()

sales_year = data.groupby(by='下订单年')['销售额'].sum()
sales_year 

# 增长率
sale_rate_12 = (sales_year[2012]/sales_year[2011]) -1
sale_rate_13 = (sales_year[2013]/sales_year[2012]) -1
sale_rate_14 = (sales_year[2014]/sales_year[2013]) -1

# 把上面的增长率变成百分比
sale_rate_12_label = "{:.2%}".format(sale_rate_12)
sale_rate_13_label = "{:.2%}".format(sale_rate_13)
sale_rate_14_label = "{:.2%}".format(sale_rate_14)

# 保存到表格里
sales_rate = pd.DataFrame(data= {
    '年销售额':sales_year.values.tolist(),
    '年订单增长率':[0,sale_rate_12,sale_rate_13,sale_rate_14],
    '订单增长百分率':[0,sale_rate_12_label,sale_rate_13_label,sale_rate_14_label]
},index=sales_year.index.tolist())
sales_rate



import matplotlib.pyplot as plt

# 中文显示 
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['font.size'] = 13
# 设置风格
# plt.style.use('ggplot')

x = [str(value) for value in sales_rate.index.tolist()]
y1 = sales_rate['年销售额']
y2 = sales_rate['年订单增长率']

fig = plt.figure(figsize=(12,6))
# 新建子图
ax1 = fig.add_subplot(1,1,1)
ax2 = ax1.twinx()  # 共享x轴
ax1.bar(x,y1,color='blue',alpha=0.6,label='年销售额')
ax2.plot(x,y2,color='r',alpha=0.6,linewidth=3,markersize='10',marker='*',label='年增长率')

# y轴标签
ax1.set_ylabel('年销售额(元)')
ax2.set_ylabel('年增长率')

ax1.legend(loc='upper right',bbox_to_anchor=(1.2,1))
ax2.legend(loc='upper right',bbox_to_anchor=(1.2,1.05))
plt.show()

2.各个地区分店的销售额

代码如下（示例）：

sales_area = data.groupby('商店所属区域')['销售额'].sum()
sales_area

sales_area.plot(kind='pie',autopct='%1.1f%%',title='各分店的总销售额情况',fontsize=15,figsize=(8,8))

# 结论：APAC店销售额占比最大，达29.6%；其次是EU，占比是23.9%。

3.各地区每年销售额 

sale_area2 = pd.pivot_table(data,index='商店所属区域',columns='下订单年',values='销售额',aggfunc='sum')
sale_area2 

sale_area2.plot(kind='bar',title='2011年-2014年各区销售额情况',figsize=(15,6),fontsize=15)

sale_area2.plot(title='2011年-2014年各区销售额情况',figsize=(15,6),fontsize=15)

4.销售淡旺季 

sales_year_month = pd.pivot_table(data,index='下订单月',columns='下订单年',values='销售额',aggfunc='sum')
sales_year_month

sales_year_month.plot(figsize=(10,6),fontsize=15).legend(fontsize=15)

---

总结