👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉公众号👈：测试开发自动化【获取源码+商业合作】
👉荣__誉👈：阿里云博客专家博主、51CTO技术博主
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。
【python】python淘宝交易数据分析可视化（源码+数据集）
目录
- 【python】python淘宝交易数据分析可视化（源码+数据集）
- 一、功能设计
- 二、设计思路
- 三、代码展示
一、功能设计
-
数据加载和预处理：
- 从指定的 CSV 文件中加载淘宝订单数据。
- 对数据进行列重命名和时间格式转换，以便后续处理和分析。
-
统计分析：
- 计算订单数量、退货订单数量、退货率、交易总金额、成交总金额、退款总金额和实际成交额等指标。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “交易” 获取。👈👈👈
-
可视化展示：
- 生成买家地区分布的饼图，展示不同地区的订单数量占比情况。
- 绘制订单支付时间的趋势图，展示每个时间段的订单数量变化情况。
- 绘制销售额的走势图，展示每天销售额的变化趋势。
-
结果输出：
- 将统计结果打印输出，包括订单数量、退货订单数量、退货率、交易总金额、成交总金额、退款总金额和实际成交额。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “交易” 获取。👈👈👈
二、设计思路
是用于分析淘宝订单数据的脚本。让我们一步步分析其实现思路：
-
导入库：首先导入了
pandas和matplotlib.pyplot库，用于数据处理和绘图。 -
定义函数：
-
address_chart(df): 该函数用于生成买家地区的分布饼图。它首先对数据按照地址进行分组，统计每个地区的订单数量，然后利用matplotlib绘制饼图。 -
time_chart(df): 该函数用于生成订单支付时间的趋势图。它首先对时间进行处理，将支付时间转换为时间格式，然后按照半小时为间隔对订单进行分组统计，并绘制趋势图。 -
money_chart(df): 该函数用于生成销售额的走势图。它对订单创建时间进行处理，按照每天进行销售额统计，并绘制销售额的趋势图。
-
-
主函数
taobao_analysis(csv_path)：-
读取 CSV 文件数据，使用
pd.read_csv()方法读取数据，并对列进行重命名以方便处理。 -
数据处理：将时间列转换为日期时间格式。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “交易” 获取。👈👈👈
-
统计分析：统计订单数量、退货订单数量、退货率、交易总金额、成交总金额、退款总金额和实际成交额。
-
调用绘图函数：根据需求调用了之前定义的绘图函数。
-
打印统计结果：将统计结果打印出来。
-
-
主程序入口：在
if __name__ == '__main__':中指定了 CSV 文件路径，并调用taobao_analysis(csv_path)函数进行数据分析。
总的来说，代码通过 pandas 对淘宝订单数据进行处理和分析，并利用 matplotlib 生成相应的可视化图表，最后输出统计结果。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “交易” 获取。👈👈👈
三、代码展示
import pandas as pd
import matplotlib.pyplot as pltdef address_chart(df):# 代码略....# 代码略....# 代码略....> 👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “交易” 获取。👈👈👈# 代码略....# 代码略....# 代码略....def time_chart(df):df1 = df.copy()df1['paytime'] = df1['paytime'].dt.timedf1['paytime'] = pd.to_datetime(df.paytime)# 代码略....# 代码略....# 代码略....# 代码略....# 代码略....> 👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “交易” 获取。👈👈👈# 代码略....timedf_y = timedf1.valuesplt.xticks(rotation=60)plt.plot(timedf_x, timedf_y)plt.show()def money_chart(df):# 代码略....# 代码略....# 代码略....# 代码略....# 代码略....# 代码略....def taobao_analysis(csv_path):df = pd.DataFrame(pd.read_csv(csv_path))# 代码略....# 代码略....# 代码略....# 代码略....> 👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “交易” 获取。👈👈👈# 代码略....# 代码略....refund_sum = df.refund.sum()# 实际成交额paymey = paid_sum - refund_sum# 买家地区饼图# address_chart(df)# 支付金额时间分布# time_chart(df)# 销售额走势money_chart(df)print('订单数量：', order_num)print('退货订单数量：', refund_num)print('退货率：{}%'.format(refund_rate))print('交易总金额：', amount_sum)print('成交总金额：', paid_sum)print('退款总金额：', refund_sum)print('实际成交额：', paymey)if __name__ == '__main__':csv_path = r'./data/tmall_order_report.csv'taobao_analysis(csv_path)👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “交易” 获取。👈👈👈
