【python分析实战】成本：揭示电商平台月度开支与成本结构占比 - 过于详细 【收藏】

重点关注本文思路，用python分析，方便大家实验复现，代码每次都用全量的，其他工具自行选择。

全文3000字，阅读10min，操作1小时

企业案例实战欢迎关注专栏 每日更新：https://blog.csdn.net/cciehl/category_12615648.html

背景

一家电商公司希望分析其过去一年的各项成本，包括材料、劳动力、市场营销、固定成本和杂项支出。目标是了解成本结构，识别成本控制和优化的机会。

实施步骤

首先，收集并整理全年各月份的成本数据。

使用Python的数据分析和可视化库（如Pandas和Matplotlib）进行分析或者其他工具

对生成的图表进行深入分析，提取关键洞察。

成本数据

每个月提供了五种成本类型（材料、劳动力、市场营销、固定成本和杂项支出）的具体数字和对应的用量，并计算了每个月的总成本

import pandas as pd
import numpy as np
# 设置随机数种子以确保数据的一致性
np.random.seed(42)
​
# 创建模拟的月份数据
months = ['January', 'February', 'March', 'April', 'May', 'June','July', 'August', 'September', 'October', 'November', 'December']
​
# 创建不同成本类型的模拟数据，包括总成本和用量
data = {'Month': months,'Material Cost ($)': np.random.randint(10000, 30000, size=12),'Material Quantity': np.random.randint(100, 300, size=12),'Labor Cost ($)': np.random.randint(8000, 25000, size=12),'Labor Hours': np.random.randint(200, 500, size=12),'Marketing Cost ($)': np.random.randint(5000, 15000, size=12),'Marketing Campaigns': np.random.randint(1, 5, size=12),'Fixed Cost ($)': np.random.randint(4000, 8000, size=12),'Fixed Assets': np.random.randint(10, 20, size=12)
}
# 转换为DataFrame
cost_df = pd.DataFrame(data)
pd.set_option('expand_frame_repr', False)
print(cost_df)

初步的分析

分析方法: 初始分析仅涉及计算每个月的总成本和成本构成，并通过简单的趋势图展示。

成本构成组成图，可以看到主要的成本应该是材料费用，但是具体占比多少其实还看不清楚，然后波动趋势的话 因为组合型柱形图没法做每个月的对比

成本构成趋势图，如果仔细看的话，可以看到材料费用的波动比较大，但是原因是什么不清楚，因为费用跟使用情况有关系

这个是一个热力图，可以看到材料和市场活动的波动会比较大，导致的总成本的波动也比较大

问题:

  • 缺乏细节：总成本的展示忽略了成本结构的复杂性，无法识别哪些成本类型对总支出的贡献最大。

  • 无法识别趋势：没有展示各成本类型随时间的变化趋势，难以分析季节性变化或特定事件对成本的影响。

  • 决策困难：缺少深入分析，管理层难以基于这些数据做出有针对性的成本控制或优化决策。

代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
​
​
np.random.seed(42)
# Creating DataFrame from provided data
cost_data = {'Month': months,'Material Cost ($)': np.random.randint(10000, 30000, size=12),'Labor Cost ($)': np.random.randint(8000, 25000, size=12),'Marketing Cost ($)': np.random.randint(5000, 15000, size=12),'Fixed Cost ($)': np.random.randint(4000, 8000, size=12),
}
cost_df = pd.DataFrame(cost_data)
​
​
cost_df['Total Cost'] = cost_df['Material Cost ($)']+cost_df['Labor Cost ($)']+cost_df['Marketing Cost ($)']+cost_df['Fixed Cost ($)']
plt.figure(figsize=(12, 6))
plt.plot(cost_df.index, cost_df['Total Cost'], marker='o')
plt.title('Monthly Total Cost - Unclear Visualization')
plt.ylabel('Cost ($)')
plt.xlabel('Month')
plt.xticks()
plt.tight_layout()
plt.show()
# Set 'Month' as index
cost_df.set_index('Month', inplace=True)
​
# 1. Stacked Bar Chart for Monthly Costs
cost_df.plot(kind='bar', stacked=True, figsize=(10, 6))
plt.title('Stacked Bar Chart of Monthly Costs')
plt.ylabel('Amount ($)')
plt.xticks(rotation=45)
plt.legend(title='Cost Type')
plt.tight_layout()
plt.show()
​
# 2. Trend Line Chart for Each Cost Type
plt.figure(figsize=(12, 6))
for column in cost_df.columns:plt.plot(cost_df.index, cost_df[column], marker='o', label=column)
plt.title('Trend Lines for Each Cost Type')
plt.xticks(rotation=45)
plt.ylabel('Amount ($)')
plt.legend()
plt.tight_layout()
plt.show()
​
# 3. Heatmap for Monthly Costs
# Creating a new DataFrame suitable for heatmap
heatmap_data = cost_df.T  # Transpose to get cost types as rows and months as columns
plt.figure(figsize=(12, 6))
sns.heatmap(heatmap_data, cmap="YlGnBu", annot=True, fmt="d")
plt.title('Heatmap of Monthly Costs')
plt.xlabel('Month')
plt.ylabel('Cost Type')
plt.tight_layout()
plt.show()

改进后的分析

为了克服这些限制，我们需要采用更合理的数据可视化方法，首先是查看各项占比，组合柱形图如果不展示各项占比，这个图的会变得很难解读，所以从图中可以看出材料费用的占比在30%-50%左右，还有就是劳动力成本，这两个成本需要重点分析。


​

代码

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
​
np.random.seed(42)  # 确保结果可复现
months = ['January', 'February', 'March', 'April', 'May', 'June', 'July', 'August', 'September', 'October', 'November', 'December']
​
# 使用提供的数据创建DataFrame
cost_data = {'Month': months,'Material Cost ($)': np.random.randint(10000, 30000, size=12),'Labor Cost ($)': np.random.randint(8000, 25000, size=12),'Marketing Cost ($)': np.random.randint(5000, 15000, size=12),'Fixed Cost ($)': np.random.randint(4000, 8000, size=12),
}
cost_df = pd.DataFrame(cost_data)
​
# 计算每个月总成本
cost_df['Total Cost ($)'] = cost_df.drop('Month', axis=1).sum(axis=1)
​
# 计算各成本项占总成本的比例
for column in cost_df.columns[1:-1]:  # 排除'Month'和'Total Cost ($)'cost_df[f'{column} Percentage'] = (cost_df[column] / cost_df['Total Cost ($)']) * 100
​
# 绘制各成本项的柱状图
cost_df.set_index('Month').iloc[:, :4].plot(kind='bar', stacked=True, figsize=(14, 7))
plt.title('Monthly Costs with Percentages')
plt.ylabel('Cost ($)')
​
# 添加占比标签
for i, month in enumerate(cost_df['Month']):total_cost = cost_df.loc[i, 'Total Cost ($)']cumulative_height = 0for column in cost_df.columns[1:5]:  # 选择四个成本列cost = cost_df.loc[i, column]percentage = (cost / total_cost) * 100label_y_position = cumulative_height + cost / 2  # 计算标签的y位置plt.text(i, label_y_position, f'{percentage:.1f}%', ha='center', color='white', fontsize=9)cumulative_height += cost
​
plt.xticks(rotation=45)
plt.legend(title='Cost Type')
plt.tight_layout()
plt.show()
 

接着需要去掉用量的影响，因为成本金额大不一定有问题，可能是量也比较大，我们构建一个单位成本的指标，单位成本是指对应成本总额除以相应的量度（如材料成本除以材料量，劳动力成本除以工时等。
 

这里是单位材料成本和单位劳动力成本，可以看到在3月、10月的单位材料成本大涨，经过分析发现这两个月进入了一批新的材料比以往的采购价都更贵。发现单位工时成本在2月和12月上涨比较多，是因为这两个月招聘了高技术的人才，之后下降是由于上线了平台系统提高了整体的工作效率。
 

 

 

单位成本代码
 

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
​
# 设置随机数种子以确保数据的一致性
np.random.seed(42)
​
# 创建模拟的月份和成本数据
months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
data = {'Month': months,'Material Cost ($)': np.random.randint(10000, 30000, size=12),'Material Quantity': np.random.randint(100, 300, size=12),'Labor Cost ($)': np.random.randint(8000, 25000, size=12),'Labor Hours': np.random.randint(200, 500, size=12),
}
cost_df = pd.DataFrame(data)
cost_df['Unit Material Cost ($)'] = cost_df['Material Cost ($)'] / cost_df['Material Quantity']
cost_df['Unit Labor Cost ($)'] = cost_df['Labor Cost ($)'] / cost_df['Labor Hours']
​
# 绘制没有网格线和边框的折线图
plt.figure(figsize=(10, 6))
​
plt.plot(cost_df['Month'], cost_df['Unit Material Cost ($)'], label='Unit Material Cost ($)')
plt.plot(cost_df['Month'], cost_df['Unit Labor Cost ($)'], label='Unit Labor Cost ($)')
​
plt.title('Monthly Unit Cost Analysis')
plt.xlabel('Month')
plt.ylabel('Unit Cost ($)')
plt.legend()
​
# 移除边框
plt.gca().spines['top'].set_visible(False)
plt.gca().spines['right'].set_visible(False)
plt.gca().spines['bottom'].set_visible(False)
plt.gca().spines['left'].set_visible(False)
​
# 移除网格线
plt.grid(False)
​
plt.show()
 

总结
 

除了要在展示的时候能更清晰的从图中看出具体的数值外，我们在分析成本的时候需要去掉用量的因素的影响，单位成本是一个常见的分析指标
 

 

 












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/572438.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










一键换脸的facefusion








一键换脸的facefusion




FaceFusion 一个开源换脸软件，提供UI界面，启动后可直接在浏览器上面上传图片进行换脸操作。 
电脑环境win10，软件pycharm，需要提前安装好python环境，推荐使用Anaconda3。关注文章下方公共号发送 “ 软件安装包 ”可以获…




阅读更多...

















ai智能生成文章，6款ai写作工具高效解决








ai智能生成文章，6款ai写作工具高效解决




ai智能生成文章已经成为现代写作的重要工具之一。随着技术的不断进步，越来越多的AI写作工具出现在市场上，为写作者们提供了高效解决方案。在本文中，我将介绍5款值得关注的AI写作工具，并探讨它们的特点和优势。 第一款ai写作工具是…




阅读更多...

















【SpringBoot框架篇】37.使用gRPC实现远程服务调用








【SpringBoot框架篇】37.使用gRPC实现远程服务调用




文章目录 RPC简介gPRC简介protobuf1.文件编写规范2.字段类型3.定义服务(Services) 在Spring Boot中使用grpc1.父工程pom配置2.grpc-api模块2.1.pom配置2.2.proto文件编写2.3.把proto文件编译成class文件 3.grpc-server模块3.1.pom文件和application.yaml3.2.实现grpc-api模块的…




阅读更多...

















计算机组成原理 3 运算器








计算机组成原理 3 运算器




定点补码加/减法运算 补码加减法的实现 补码加法 ： [X ＋ Y] 补   [X] 补 ＋ [Y] 补 和的补码   补码的和 补码减法 ： [X−Y] 补   [X] 补 ＋  [−Y] 补   [X] 补 −[Y] 补 差的补码   补码的差 求补公式 ： [−…




阅读更多...

















【Entity Framework】Code First 数据批注








【Entity Framework】Code First 数据批注




【Entity Framework】Code First 数据批注 文章目录 【Entity Framework】Code First 数据批注一、概述二、模型二、键Key三、组合键四、外键-ForeigKey第一种：指定导航属性，会自动生成外键，命名规则为：“对象名称_主键名“第二种…




阅读更多...

















用c++实现猴子偷桃、Fibonacci数列








用c++实现猴子偷桃、Fibonacci数列




4.1.2 猴子吃桃 
【问题】一只猴子摘了很多桃子，每天吃现有桃子的一半多一个，到第10天时只有一个桃子，问原有桃子多少个? 
【想法】设an表示第n天桃子的个数，猴子吃桃问题存在如下递推式： 
【算法实现】由于每天的桃子…




阅读更多...

















vue2 export default写法，computed、methods的使用








vue2 export default写法，computed、methods的使用




<template><div><h2>{{nameAll}}</h2><h2>{{method}}</h2><h2>{{tt()}}</h2><h2>{{firstName}}</h2><h2>更新后赋值数据&#xff1a;{{lastName}}</h2><h2>赋值数据:{{writeValue}}</h2>…




阅读更多...

















[Qt] QString::fromLocal8Bit 的使用误区








[Qt] QString::fromLocal8Bit 的使用误区




QString::fromLocal8Bit 是一个平台相关的函数。默认情况下在 Windows 下 就是 gbk 转 utf-8 ,在 Linux就应该是无事发生。因为Linux平台默认的编码方式就是 utf-8 可以通过 
void QTextCodec::setCodecForLocale(QTextCodec *c)来修改 Qt默认的编码方式。如下  第一输出乱码的…




阅读更多...

















网页版短信平台软件开发要点|手机短信系统搭建建设








网页版短信平台软件开发要点|手机短信系统搭建建设




开发网页版短信平台软件时&#xff0c;需要考虑以下关键要点&#xff0c;以确保平台功能完喂、性能稳定和用户体验良好&#xff1a; 用户管理&#xff1a;实现用户注册、登录、Q:290615413权限管理等功能&#xff0c;确保用户信息安全可控。  短信发送功能&#xff1a;集成短信…




阅读更多...

















Flutter开发之下标








Flutter开发之下标




Flutter开发之下标 
在iOS开发中使用下标就很方便&#xff0c;本文主要是记录一下Flutter中系统自带的下标&#xff0c;还可以通过对应的方法编写自己的下标。  
在Objective-C中的下标 
关键字Subscript。 
NSArray
- (ObjectType)objectAtIndexedSubscript:(NSUInteger)idx A…




阅读更多...

















EFI Driver Model(下)-SCSI 驱动设计








EFI Driver Model(下)-SCSI 驱动设计




1、SCSI简介 SCSI是Small Computer System Interface&#xff08;小型计算机系统接口&#xff09;的缩写&#xff0c;使用50针接口&#xff0c;外观和普通硬盘接口有些相似。SCSI硬盘和普通IDE硬盘相比有很多优点&#xff1a;接口速度快&#xff0c;并且由于主要用于服务器&…




阅读更多...

















通往荣耀之路！ 在 The Sandbox 中种植树木，拯救真正的森林








通往荣耀之路！ 在 The Sandbox 中种植树木，拯救真正的森林




The Sandbox 团队祝你国际森林日快乐&#xff01; 我们相信&#xff0c;在创造一个更美好、更包容、更友善的地球的过程中&#xff0c;我们每个人都有责任采取具有影响力和目的性的行动。这就是为什么我们平台的核心支柱是利用元宇宙来推动公益事业。 国际森林日是我们践行这一…




阅读更多...


















推荐文章












最新文章


















Copyright @ 2022~2023