《大数据技术应用基础》课件——6.8综合案例.pptxVIP

.05综合案例

5.1综合案例1讯诺商贸有限公司为了扩大销售，让公司获得更多的收益，现从产品的受欢迎程度及城市的销售额情况进行分析比较，从而得出结论，对公司的战略方向进行调整。实验要求1.导入pandas包；2.读取销售数据4.xlsx为变量df；3.列子集筛选，筛选要用的列【城市、产品名称、销售额、销售数量】；4.字段分割，产品名称包含的信息较多，逗号前是英文和中文名称，逗号后是一些补充信息，我们试用split把它分隔开，因为分割出来时两个字段。【产品名称】列拆分成【产品】、【标记】列；5.分析哪些产品比较畅销？首先将数据按照产品进行分组，然后对分组后的销售数量进行求和；对分组后的销售数量排序;最后取出销售数量排行前6；6.分析哪些个城市销售比较高？首先将数据按照城市进行分组，然后对分组后的销售额进行求和；对分组后的销售额排序；最后取出销售额排行前6。

5.1综合案例11.importpandasaspd2.df=pd.read_excel(excel/SD财务数据分析案例集/销售数据4.xlsx)#读取数据源df

5.1综合案例13.df=df[[城市,产品名称,销售额,销售数量]]df

5.1综合案例14.df[[产品,标记]]=df[产品名称].str.split(,).apply(pd.Series,1)df

5.1综合案例15.product_total=df.groupby([产品])[销售数量].sum().reset_index()#根据产品分组，销售数量求和,再索引重置product_total=product_total.sort_values(by=销售数量,ascending=False)#销售数量按降序排序product_total=product_total.head(6)#显示前6行数据head()product_total

5.1综合案例16.city_sale_total=df.groupby([城市])[销售额].sum().reset_index()#根据城市分组，销售额求和，再索引重置city_sale_total=city_sale_total.sort_values(by=销售额,ascending=False)#根据销售额降序排序city_sale_total=city_sale_total.head(6)#显示前6行city_sale_total

5.2综合案例2伊曼商贸有限公司为了统计各规模专卖店每月的销售成本额，对‘专卖店新店计划表’和各规模专卖店成本模型这两张表进行处理、匹配，并生成柱状图，从而更好的进行成本预算。实验要求1.导入包2.从成本数据.xlsx里读取‘专卖店新店计划表’数据源为变量df3.从成本数据.xlsx里读取各规模专卖店成本模型数据源,需要将第1行店规模及第二行店址评级作为header，做为变量df1；要求新增一行【月销售成本】数据即各列数据相加。4.添加月销售成本行,要求【月销售成本】数据即各列数据相加。5.去除其他费用行，保留月销售成本行6.整理表单，去除多余的列

5.2综合案例21.importnumpyasnpimportpandasaspdfromdatetimeimportdatetime2.df=pd.read_excel(excel/SD财务数据分析案例集/成本数据.xlsx,sheet_name=专卖店新店计划表)#读取df.dropna(axis=1,how=all,inplace=True)#删除全是空值的列#提取开业时间中的月份df[月]=pd.to_datetime(df[开业时间]).dt.monthdf

5.2综合案例23.df1=pd.read_excel(excel/SD财务数据分析案例集/成本数据.xlsx,header=[0,1],sheet_name=各规模专卖店成本模型)#读取df1.dropna(axis=1,how=all,inplace=True)#删除全是空值的列df1

5.2综合案例24.total=df1.sum(numeric_only=True)#df1整表求和，numeric_only=True仅仅计算数字型的columnstotal[(店规模,店址评级)]=月销售成本df1=df1.append(total,ignore_index=True)#在df1末尾添加‘月销售成本’，ignore_index避免出现相同的indexdf1

5.2综合案例25.#筛选出除月销售成本的所有行del_index=df1[df1[(店规