超市零售数据可视化分析（Plotly 指南）

news/2024/11/24 7:49:42/

CSDN 上不能插入 HTML，可以在 GitHub Page 上查看： https://paradiseeee.github.io/2022/07/30/超市零售数据可视化分析/

项目首次发布于 Kesci 上 – 超市零售数据分析。感兴趣的可以直接上去 Fork 之后自己做。由于上面只能用 Jupyter Notebook，而且还没有权限 DIY 工作环境，于是线下重新做一下。

项目数据来自 Kaggle：https://www.kaggle.com/jr2ngb/superstore-data，包含全球范围内的大型超市四年间的零售订单数据，有 24 个字段，5w+ 条订单记录。下面将详细了解数据内容，进行数据清洗以及可视化分析。
在这里插入图片描述

一、数据理解和数据清洗

首先导入数据。从 Kaggle 下载的数据集文件的行尾序列为 CRLF ，直接使用 pandas 导入会编码错误，需要转换为 LF 行尾（或者使用 ISO-8859-1 编码）。本项目中的数据集已经转换。

项目数据比较规整，简单清洗一下即可，重点在于后续的取数运算和可视化分析。

import pandas as pd
import warnings
warnings.filterwarnings('ignore')df = pd.read_csv('./superstore_dataset2011-2015.csv')
df.info(verbose=False)
print('\nAll columns: ' + ' | '.join(list(df.columns)))

在这里插入图片描述

# 将列名中的空格和横杠转换为下划线
df.columns = df.columns.str.replace(' ', '_').str.replace('-', '_')
# 将日期字符串转换为 datetime 对象
df['Order_Date'] = pd.to_datetime(df.Order_Date)
# Post Code 字段含有很多缺失值，删掉
df.dropna(axis=1, how='any', inplace=True)
# 增加用于分组的字段
df['year'] = df.Order_Date.dt.year
df['month'] = df.Order_Date.dt.month
df['months'] = df.year.astype(str) + '-' + df.month.astype(str)

二、绘图环境

不关心这部分的读者可以直接跳到 第三节

以下的绘图主要使用 Plotly，在线绘图需要在 Chart Studio 上注册账号获取 API，然后再在本地的配置文件中设定 API。具体可以参考 简书上的文章 。需要注意到在线绘图功能已经从 Plotly 中分离到独立的库 chart_studio，原先的 plotly.plotly 现在是 chart_studio.plotly 。（另外在 Kesci 的 K-Lab 上是 python3.6 + plotly3.x，现在最新的已经是 4.6.0 了。需要自己在 Conda 环境中配置）

然后还用到 Cufflinks 这个库，这货的文档支持相当不丰富，所以写这篇东西主要想给自己留下个操作指南。比如使用 cufflinks.pd.DataFrame.ta_plot 的时候就会出现 **kwargs 被无视的情况，也找不到相关提示，最后在 Github 上发现这是一个 Bug，而且已经有一个未 merge 的 PR ：
在这里插入图片描述
查看具体的 Changes，发现竟然只是在某个函数中写漏了个参数，所以直接 cd 到 %PYTHON_HOME%/Lib/site-packages/cufflinks 里面改一下对应的文件就好了：
在这里插入图片描述
然后绘图结果是交互式的，体现为文件是带有 plotly.js 的 HTML 文件。有多种显示方式：

  • 嵌入在 Notebook 中显示
  • 输出离线 HTML 文件（带 js 脚本，不小于 3M）
  • 使用 dash 搭建 localhost 服务本地查看
  • 直接 plot 到 chart-studio.plotly.com 的服务器上面
  • Cufflinks 绘图时输出的 HTML 文件中会贴心地带上一个 API 的链接，直接点击它就可以 export 到 Plotly 的服务器上
  • 输出图片、svg 等其他没什么用的格式

所以要先了解一下不同的显示方法，因为它输出的是网页式的图表，所以会跟 Matplotlib 完全不一样，按照 Matplotlib 的路子去理解就会一脸蒙。其实搞得这么复杂主要是因为我不想用 Jupyter Notebook，在 Notebook 上搞其实很简单，就是导入 plotly.offline 设置一下就好了，绘图结果就会自动嵌入到输出区了。

上面完全是凭着个人理解信口雌黄，以作备忘。请小白参考更多的文档，请大神不吝赐教指出错误。

完成以上一大堆乱七八糟的配置和排错，就可以愉快地绘图了：

import plotly as py
import chart_studio
import plotly.offline
import plotly.graph_objs as go
import cufflinks as cf# 这一堆是使用 Jupyter Notebook 的时候需要设置的
# （好像不是全部需要，whatever）
'''
%matplotlib inline
plotly.offline.init_notebook_mode(connected=True)
cf.go_offline()
'''

三、可视化分析

关注以下问题：

  • 关键指标的计算：销售额、利润
  • 各指标的地域性差异
  • 不同产品类别的指标差异
  • 时间上的纵向对比

（1）总体销售额和利润率

# 按月份分组计算总销售额
months_sales = df.groupby('months').Sales.sum().sort_index()
months_sales.index = pd.to_datetime(months_sales.index)# 由于后续需要进行优化，使用 asFigure 参数生成字典对象以更新参数
# 也可以直接把 iplot 的参数写进 ta_plot，一步到位
fig = months_sales.sort_index().ta_plot(asFigure=True, study='sma', periods=[3, 6], study_colors=['lightblue', 'blue'], title='Sales Trend with Moving Average', theme='solar')
# 更新线型（如果直接使用 interpolation 参数所有的线型将会一样，不易区分）
fig['data'][0].update(line={'color': 'rgba(255, 153, 51, 1.0)', 'dash': 'dot', 'shape': 'hv', 'width': 1.5})
cf.iplot(fig, filename='Sales Trend with Moving Average.html', asUrl=True)

在 Chart Studio 上查看：https://chart-studio.plotly.com/~Paradiseeee/15.embed
在这里插入图片描述
通过以一季度和半年为周期的移动平均，可以明确看到销售额的变化趋势和周期性

# 按月分组计算总利润
months_profits = df.groupby('months').Profit.sum().sort_index()
months_profits.index = pd.to_datetime(months_profits.index)
# 计算利润率
months_rates = months_profits / months_sales
months_rates.name = 'Profit-Rates'months_rates.sort_index().ta_plot(asFigure=True, study='sma', periods=[3, 6], study_colors=['lightblue', 'blue'], title='Profit-Rates Trend with Moving Average',vspan={'x0':'2013-02', 'x1':'2013-10', 'color':'lightblue', 'fill':True, 'opacity':.1},theme='solar')
fig['data'][0].update(line={'color': 'rgba(255, 153, 51, 1.0)', 'dash': 'dot', 'shape': 'hv', 'width': 1.5})
cf.iplot(fig, filename='Sales Trend with Moving Average.html', asUrl=True)

在 Chart Studio 上查看：https://chart-studio.plotly.com/~Paradiseeee/17.embed
在这里插入图片描述
利润率以不同的规律在震荡，其中季度周期性明显；2013 年利润率大幅下降

（2）各大市场的销售额和利润对比

# 各市场订单总数
counts = df.Market.value_counts().reset_index().rename({'index': 'Market', 'Market': 'Counts'}, axis=1)
# 各市场订单均价
argprice = df.groupby('Market').Sales.sum() / df.Market.value_counts()fig = py.subplots.make_subplots(1, 2, subplot_titles=['All-Order Counts', 'All-Order Average Price'])
fig.append_trace(go.Bar(x=counts.Market, y=counts.Counts, name='Counts'), 1, 1)
fig.append_trace(go.Bar(x=argprice.index, y=argprice.values, name='Prices'), 1, 2)
fig.update_layout({'template': 'plotly_dark'})
chart_studio.plotly.iplot(fig, filename='Overviews of Markets', sharing='public')

在 Chart Studio 上查看：https://chart-studio.plotly.com/~Paradiseeee/19.embed
在这里插入图片描述
总体销售情况速览：亚太、欧盟区的客单价明显高于其他地区

# 生成需要的数据格式 -- 行观测为不同的月份分组，列为不同类别的特定字段数据
def unpack_months(field, func, first_group='Market'):'''分组聚合流程打包'''group = df.groupby([first_group, 'months'])names = list(df[first_group].value_counts().index)tmp = group[field].apply(func).astype(int)ret = pd.DataFrame(columns=names)for name in names:ret[name] = tmp[name]ret.index = pd.to_datetime(ret.index)return ret.sort_index()

# 各市场按月分组销售额
sales = unpack_months('Sales', sum)
sales.iplot(title='Superstore Sales Grouped by Months and Markets',xTitle='Months', yTitle='Sales', fill=True, theme='solar', interpolation='hv', asUrl=True)

在 Chart Studio 上查看：https://chart-studio.plotly.com/~Paradiseeee/3.embed
在这里插入图片描述
上图显示了世界主要贸易区域的零售销售额时间分布，可点击 Legends 中的标签显示或隐藏某一个市场的曲线
从图中可以看到，销售额最大的依次是亚太地区、欧盟、南美和北美（不相上下）
并且存在较明显的季度和年份周期趋势（与市场交易习惯有关）

# 各市场按月分组利润率
profit_rates = unpack_months('Profit', sum) / sales
profit_rates.iplot(title='Superstore Profit Rates Grouped by Months and Markets',xTitle='Months', yTitle='Rates', fill=True, theme='solar', interpolation='hv', asUrl=True)

在 Chart Studio 上查看：https://chart-studio.plotly.com/~Paradiseeee/5.embed
在这里插入图片描述
可以看到利润率仍保持类似销售额的周期性趋势
其中加拿大的利润率遥遥领先，主要是因为订单总数较少而且地区单一
而非洲和中东地区在特定时间出现较严重的负盈利，且盈利情况波动较大

（3）不同商品类别的销售数据对比

# 计算不同类别的销售额
catsales = unpack_months('Sales', sum, 'Category')
catsales.iplot(title='Sales Grouped by Months of Different Categories',yTitle='Sales', xTitle='Months', theme='solar', kind='bar', barmode='stack', asUrl=True)

在 Chart Studio 上查看：https://chart-studio.plotly.com/~Paradiseeee/7.embed
在这里插入图片描述
三大类商品的销售额数据差异不大，基本平分秋色；Technology 和 Furniture 相对占比较高

# 计算不同类别的利润率
catrates = unpack_months('Profit', sum, 'Category') / catsales
# 均值辅助线
lines = [{'y': catrates.iloc[:,0].mean(), 'color':'orange', 'dash':'dot'},{'y': catrates.iloc[:,1].mean(), 'color':'blue', 'dash':'dot'},{'y': catrates.iloc[:,2].mean(), 'color':'green', 'dash':'dash'}]catrates.iplot(title='Profit-Rates Grouped by Months of Different Categories', yTitle='Rates', xTitle='Months', theme='solar', hline=lines, asUrl=True)

在 Chart Studio 上查看：https://chart-studio.plotly.com/~Paradiseeee/9.embed
在这里插入图片描述
家居市场的销售额和利润绝对值都较大，但是利润率的均值明显偏低

（4）具体到不同国家地区的对比

# 提取不同国家地区的销售额和利润
countries = df.groupby(['Region', 'Country'])['Sales', 'Profit'].sum().reset_index()
# 增加利润率字段
countries['Profit-Rates(%)'] = pd.Series(countries.Profit / countries.Sales * 1e4).round() / 100
# 一共 147 个国家，忽略销售额较小的国家
top_sales = countries.sort_values('Sales', ascending=False).head(20).sort_index()
# 生成颜色表，并对 DataFrame 映射，生成序列用于绘图
colormap = dict(zip(top_sales.Region.value_counts().index, py.tools.DEFAULT_PLOTLY_COLORS))
top_sales['colors'] = top_sales.Region.map(colormap)top_sales.iplot(kind='bubble', x='Country', y='Profit-Rates(%)', size='Sales', title='Profit Rates of Top-20 Countries in Sales',yTitle='Profit Rates (%)',theme='solar', colors=list(top_sales.colors), asUrl=True)

在 Chart Studio 上查看：https://chart-studio.plotly.com/~Paradiseeee/11.embed
在这里插入图片描述
上图不同颜色代表不同地区，其中棕色为中国。销售额大且利率高的国家依次有印度、中国、英国

最后利用上面计算得到的表 countries ，借助 Tableau 在地图上绘制具体数据：

在这里插入图片描述
上图颜色代表总利润，数字标签代表利润率；从地图可以看到：
累计利润最大的依次是美国、中国、以及欧洲国家；
中东、非洲以及拉美地区的一些国家出现负的利润；
美国的零售市场总量遥遥领先，但是利润处于下游（拉低了均值）。

END


http://www.ppmy.cn/news/669267.html

相关文章

redis配置和优化

redis配置和优化

关系数据库与非关系型数据库 关系型数据库： 关系型数据库是一个结构化的数据库，创建在关系模型（二维表格模型）基础上，一般面向于记录。 SQL 语句（标准数据查询语言）就是一种基于关系型数据库的…
阅读更多...
DS4Windows(电脑PS4手柄控制器)v2.2.6 中文版

DS4Windows(电脑PS4手柄控制器)v2.2.6 中文版

介绍： DS4Windows(电脑PS4手柄控制器)是一款专业的手柄模拟器软件，它的功能十分强大，可以帮助用户通过DS4Windows用户可以让手柄和电脑进行连接从而进行正常的操作和控制，对于玩游戏的朋友是一个不错的选择，欢迎大家下…
阅读更多...
nginx 502 bad gateway响应头过大

nginx 502 bad gateway响应头过大

502 Bad Gateway 通过nginx代理了个地址，请求接口直接响应 502 Bad Gateway。排查下来发现，被请求的服务，其实已收到请求，并且也已经正常响应回来，只是到了nginx处理出错了。查看nginx日志发现这个 error : upstrea…
阅读更多...
Java中的神秘之旅：揭秘native修饰的start0()方法的实现

Java中的神秘之旅：揭秘native修饰的start0()方法的实现

前言 在Java中，拥有多线程能力是其强大之处之一。然而，你是否曾经好奇过在Java中如何启动一个线程？这其中涉及到一个神秘的方法——start0()。让我们一起揭开这个谜团，探索start0()方法的具体实现。 什么是start0()方法&#xf…
阅读更多...
发起qq临时会话

发起qq临时会话

http://wpa.qq.com/msgrd?v3&uin947739614&siteqq&menuyes 转载于:https://www.cnblogs.com/Godlovezk/p/8875588.html
阅读更多...
qq怎样发起临时会话（不加好友）

qq怎样发起临时会话（不加好友）

<style> .qq{ position: fixed; bottom: 200px; right:25px; z-index: 999; } </style> <a target"_blank" title"点击开始QQ交谈" href"tencent://Message/?Uin123456&websiteNameacee…
阅读更多...
使用qq临时会话

使用qq临时会话

1 登陆https://shang.qq.com/v3/widget.html 开通 2 设置通过通过已申请体验版营销QQ代收WPA会话消息 3 复制代码
阅读更多...
腾讯QQ发起临时会话

腾讯QQ发起临时会话

最初情形&#xff0c;链接为&#xff1a;tencent://message/?uinqq号码&Sitewww.网站.com.cn&Menuyes 解决办法&#xff1a; 点击网址进入&#xff1a;商家沟通组件——立即免费开通【链接&#xff1a;http://shang.qq.com/widget/set.php 】
阅读更多...
最新文章

Copyright @ 2022~2023