Python超市数据分析，圈定大促时机

墨蓝 2022-12-15 02:58 141阅读 0赞

前几天，一位开连锁超市的老板请我帮忙，让我分析一下超市近期的运营数据，通过分析，对超市近期的运行状况有了直观的了解，现在我把这个实例分享给大家

## 1.读取数据 ##

数据存放在表格中，我们用pandas将其读出来

import pandas as pd
    data=pd.read_csv('超市运营数据.csv',encoding='gbk',parse_dates=["成交时间"])
    data

![format_png][]

## 2.分析哪些类别的商品比较畅销 ##

首先将数据按照类别ID进行分组，然后对分组后的销量进行求和，最后用reset\_index重置索引

data_group=data.groupby("类别ID")["销量"].sum().reset_index()
    data_group

![format_png 1][]

为了取出销量最好的10类商品类别，我们可以对data\_group按照“销量”进行排序，取出前10个

data_group=data_group.sort_values(by="销量",ascending=False).head(10)
    data_group

## 3.分析哪些商品比较畅销 ##

分析逻辑与哪些类别的分析一致，代码如下：

data_group=data.groupby("商品ID")["销量"].sum().reset_index().sort_values(by="销量",ascending=False).head(10)
    data_group

## 4.分析不同门店的销售额占比 ##

首先计算销售额，并添加到数据中：

data['销售额']=data['销量']*data['单价']
    data

![format_png 2][]

按照门店进行分组，对分组后的营业额进行求和：

data_group=data.groupby('门店编号')['销售额'].sum().reset_index()
    data_group

![format_png 3][]

用饼图画出销售额占比：

from pyecharts import options as opts
    from pyecharts.charts import Pie
    x=list(data_group['门店编号'])
    y=list(data_group['销售额'])
    pie = (
        Pie()
       .add(
            "",
            [(i,j)for i,j in zip(x,y)],
            radius=["30%", "75%"],
            center=["50%", "50%"],
            rosetype="radius",
            label_opts=opts.LabelOpts(is_show=False),
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="门店销售额占比"))
        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}"))
    )
    pie.render_notebook()

![format_png 4][]

##     ##

## 5.分析超市客流高分高峰时间段 ##

了解客流高峰时间段是很有必要的，可以帮助超市确定什么时间开展促销活动最合适

首先从日期中提取小时数

data['小时']=data['成交时间'].map(lambda x:int(x.strftime("%H")))
    data

![format_png 5][]

对小时和订单进行去重

traffic=data[['小时','订单ID']].drop_duplicates()
    traffic

![format_png 6][]

计算每小时的订单量

traffic_count=traffic.groupby("小时")["订单ID"].count()
    traffic_count

小时
    6      10
    7      37
    8     106
    9     156
    10    143
    11     63
    13     30
    14     36
    15     17
    16     50
    17     73
    18     71
    19     71
    20     39
    21     16
    Name: 订单ID, dtype: int64

画出折线图：

import pyecharts.options as opts
    from pyecharts.charts import Line
    x=[str(i) for i in list(range(6,22))]
    y=list(traffic_count)
    line=(
        Line()
        .add_xaxis(xaxis_data=x)
        .add_yaxis(series_name="销量",y_axis=y, is_smooth=True)
        .set_global_opts(
            title_opts=opts.TitleOpts(title="不同时段销量折线图"),
            yaxis_opts=opts.AxisOpts(
                    axistick_opts=opts.AxisTickOpts(is_show=True),
                    splitline_opts=opts.SplitLineOpts(is_show=True),
                ),)
    )
    line.render_notebook()

![format_png 7][]

从上图可以发现，8点至10点是超市一天中的销量高峰期，然后17至19点又有一个小高峰，所以这两个时间段搞促销效果会比较好！

长按识别下方二维码，并关注公众号

回复“**超市**”获取报告电子版

![format_png 8][]

1.回复“**PY**”领取**1GB Python数据分析资料**

2.回复“**BG**”领取**5GB 名企数据分析报告**

[format_png]: /images/20221123/152b4796d4f14f309c8ba180456b6e06.png
[format_png 1]: /images/20221123/8beb044c25ab4ef8ac281bd4f8fe1fe6.png
[format_png 2]: /images/20221123/c9de8169364b485195bd8f63b445955e.png
[format_png 3]: /images/20221123/fd114e1e1481416aa2815347b7b66b04.png
[format_png 4]: /images/20221123/dd76bfa4daba42db97596a15c4b35ea5.png
[format_png 5]: /images/20221123/5ec91aab69a249eebfe3bec7267b02f8.png
[format_png 6]: /images/20221123/137df024d5324d659acf64c93dff9d90.png
[format_png 7]: /images/20221123/8de30d1d064e47599133a74cebd50313.png
[format_png 8]: /images/20221123/1f0c475dee2c473bbc2dffc23a0df5fa.png