Pandas+Pyecharts | 双十一美妆销售数据分析可视化

文章目录

  • 🏳️‍🌈 1. 导入模块
  • 🏳️‍🌈 2. Pandas数据处理
    • 2.1 读取数据
    • 2.2 数据信息
    • 2.3 筛选有销量的数据
  • 🏳️‍🌈 3. Pyecharts数据可视化
    • 3.1 双十一前后几天美妆订单数量
    • 3.2 双十一前后几天美妆销量
    • 3.3 各美妆品牌订单数量
    • 3.4 各美妆品牌总销量
    • 3.5 一级分类占比
    • 3.6 二级分类占比
    • 3.7 二级分类销量
    • 3.8 各美妆品牌价格箱型图
    • 3.9 各美妆品牌平均价格
    • 3.10 各美妆品牌分类词云
  • 🏳️‍🌈 可视化项目源码+数据

大家好,我是 👉【Python当打之年(点击跳转)】

本期利用 python 分析 双十一美妆销售数据 ,看看:

  • 双十一前后几天美妆订单数量、总销量
  • 各美妆品牌销量情况
  • 美妆品牌一级/二级分类占比
  • 各美妆品牌价格箱型分布情况
  • 各美妆品牌平均价格
  • 美妆品牌词云
  • 等等…

希望对大家有所帮助,如有疑问或者需要改进的地方可以联系小编。

涉及到的库:
Pandas — 数据处理
Pyecharts — 数据可视化

🏳️‍🌈 1. 导入模块

import pandas as pd
from pyecharts.charts import Line
from pyecharts.charts import Bar
from pyecharts.charts import Scatter
from pyecharts.charts import Boxplot
from pyecharts.charts import Pie
from pyecharts.charts import WordCloud
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode
import warnings
warnings.filterwarnings('ignore')

🏳️‍🌈 2. Pandas数据处理

2.1 读取数据

df_school = pd.read_excel('data.xlsx')

在这里插入图片描述

2.2 数据信息

df.info()

在这里插入图片描述

2.3 筛选有销量的数据

df1 = df.copy()
df1 = df1[df1['销量']>0]

在这里插入图片描述

数据过滤后还有24479条。

🏳️‍🌈 3. Pyecharts数据可视化

3.1 双十一前后几天美妆订单数量

def get_line1():line1 = (Line().add_xaxis(x_data).add_yaxis("", y_data,is_smooth=True).set_global_opts(legend_opts=opts.LegendOpts(is_show=False),visualmap_opts=opts.VisualMapOpts(is_show=False,min_ = 1500,max_ = max(y_data),range_color=range_color),title_opts=opts.TitleOpts(title='1-双十一前后几天美妆订单数量',subtitle='-- 制图@公众号:Python当打之年 --',pos_top='1%',pos_left="1%",title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20))))

在这里插入图片描述

在11号前几天订单量持续在比较高的状态,在11月11号后趋于平稳,应该是双十一商家提前预热,消费者的预购订单量比较大。

3.2 双十一前后几天美妆销量

在这里插入图片描述
化妆品的购买高峰在11号前几天,在11月9号达到高峰,消费者的预购销量比较大,和订单量趋势基本保持一致。

3.3 各美妆品牌订单数量

def get_bar1():bar1 = (Bar().add_xaxis(x_data).add_yaxis("", y_data,label_opts=opts.LabelOpts(position='right')).set_global_opts(legend_opts=opts.LegendOpts(is_show=False),visualmap_opts=opts.VisualMapOpts(is_show=False,min_ = min(y_data),max_ = max(y_data),dimension=0,range_color=range_color),title_opts=opts.TitleOpts(title='3-各美妆品牌订单数量',subtitle='-- 制图@公众号:Python当打之年 --',pos_top='1%',pos_left="1%",title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),).reversal_axis())

在这里插入图片描述
悦诗风吟的商品数量最多,其次为佰草集、欧莱雅。

3.4 各美妆品牌总销量

在这里插入图片描述
相宜本草的销售额、销量都是最高的,美宝莲、悦诗风吟、妮维雅、欧莱雅分列第二至五位。

3.5 一级分类占比

def get_pie1():pie1 = (Pie().add("",[list(z) for z in zip(x_data, y_data)],radius=["40%", "70%"],center=["50%", "50%"],label_opts=opts.LabelOpts(formatter="{b}: {d}%",font_size=14,font_weight=500),).set_global_opts(title_opts=opts.TitleOpts(title='5-一级分类占比',subtitle='-- 制图@公众号:Python当打之年 --',pos_top='1%',pos_left="1%",title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),legend_opts=opts.LegendOpts(is_show=False)))

在这里插入图片描述
销量第一的还要是护肤品,其次是套装系列和化妆品。

3.6 二级分类占比

在这里插入图片描述
按二级分类来看,订单量前五的分别是:套装类、清洁类、面霜类、化妆水和乳液类。

3.7 二级分类销量

在这里插入图片描述

3.8 各美妆品牌价格箱型图

在这里插入图片描述

3.9 各美妆品牌平均价格

在这里插入图片描述

平均价格方面,娇兰、雪花秀、雅诗兰黛、兰蔻、资生堂等品牌价格稍微偏高一些。

3.10 各美妆品牌分类词云

在这里插入图片描述

🏳️‍🌈 可视化项目源码+数据

点击跳转:【全部可视化项目源码+数据】


以上就是本期为大家整理的全部内容了,赶快练习起来吧,原创不易,喜欢的朋友可以点赞、收藏也可以分享注明出处)让更多人知道。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/14003.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

go数据结构之slice与map

1. 切片 1. 切片结构定义 type slice struct {array unsafe.Pointerlen intcap int }array:引用的底层数组,动态数组,可以修改 如果多个切片的array指针指向同一个动态数组,则它们都可以对底层这个动态数组元素进行修改。 len:&#xf…

简要介绍 | 两阶段点云目标检测:理论与实践

注1:本文系“简要介绍”系列之一,仅从概念上对两阶段点云目标检测进行非常简要的介绍,不适合用于深入和详细的了解。 两阶段点云目标检测:理论与实践 在这篇博客中,我们将探索两阶段点云目标检测的理论基础和实际应用…

mac与pd虚拟机之间不能粘贴文字或粘贴文件

首先确保共享打开: 然后检查虚拟机的Parallels Tools是否正常 一个简单的判断方式就是,退出虚拟机全屏之后,如果能够正常进入融合模式,那么Parallels Tools可用,否则就要排查问题 检查Parallels Tools是否随系统正常启…

基于微信小程序学校部门年终绩效考核自动评分系统(源码+文档+数据库+PPT)

基于微信小程序的部门年终绩效考核系统,为加强学校运营队伍建设提高学校管理力,合理评价教师及部门年度工作计划完成情况,促进整体绩效改进,鼓励管理团队注重对下属进行帮助、提升,促进团队扩张和发展,特制…

MFC学习日记(二)——VS2012应用程序工程中文件的组成结构

上一篇我们用应用程序向导生成框架程序后,我们可以打开工程所在的文件夹看到以下以解决方案命名的文件夹,此文件夹中包含了几个文件和一个以工程名命名的子文件夹,这个子文件夹中又包含了若干个文件和一个res文件夹,创建工程时的选…

Linux性能优化实践——平均负载

平均负载(Load Average) 当我们输入uptime命令时, 这里有几个参数,解释如下 0:54 :当前时间;up 50 mins:系统运行时间;2 users:正在登录用户数;load avera…

UDP客户端和服务器

UDP客户端,也就是首先主动发送数据的一方,也就是发起服务请求的一方。 UDP服务器,也就是首先等待接收数据,并对接收的数据进行处理,返回计算结果的一方,也就是提供服务的一方。 在下面实验中使用到的函数 …

mysql单表查询,排序,分组查询,运算符

CREATE TABLE emp (empno int(4) NOT NULL, --员工编号ename varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,--员工名字job varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,--员工工作mgr int(4) NULL DEFAULT NU…

【CSS】悬浮动画

文章目录 效果展示代码实现 效果展示 代码实现 <!DOCTYPE html> <html><head><meta charset"utf-8" /><title>一颗不甘坠落的流星</title></head><style type"text/css">.bth {/* 添加背景颜色 */backgr…

【周末闲谈】关于计算机的二三事

个人主页&#xff1a;【&#x1f60a;个人主页】 系列专栏&#xff1a;【❤️周末闲谈】 文章目录 前言一、第一台计算机的诞生&#x1f4bb;二、计算机发展历史&#x1f4da;第一代计算机&#x1f4bb;第二代计算机&#x1f4bb;第三代计算机&#x1f4bb;第四代计算机&#x…

chatgpt 与传统3D建模对比分析

推荐&#xff1a;将NSDT场景编辑器加入你的3D工具链 随着人工智能技术的发展&#xff0c;越来越多的领域正逐渐被AI模型所取代。ChatGPT作为一种自然语言处理技术&#xff0c;越来越为人们所熟悉。最近&#xff0c;一些3D建模领域的专家想知道ChatGPT是否可以取代传统的手动3D建…

单机模型并行最佳实践

单机模型并行最佳实践 模型并行在分布式训练技术中被广泛使用。 先前的帖子已经解释了如何使用DataParallel在多个 GPU 上训练神经网络&#xff1b; 此功能将相同的模型复制到所有 GPU&#xff0c;其中每个 GPU 消耗输入数据的不同分区。 尽管它可以极大地加快训练过程&#x…