Python分析电商销售数据

末蓝、 2023-09-23 13:02 156阅读 0赞

> python数据分析作业记录

**本文原文件通过百度网盘分享**  
链接：https://pan.baidu.com/s/1XeBiANMxgLxQu7Qf9ejomg  
提取码：evzt

**作业要求**  
1、读取dataset1.xlsx中数据，将ShipDate，OrderDate列转换为时间格式  
2、找出发货时间早于下单日期的记录,并删除发货时间早于下单日期的记录，且在原数据上进行修改。  
3、分别取出订单日期的年、月、季，生成新的DataFrame，并导出  
4、按照年份计算每年的销售总额

# 读取dataset1.xlsx中sheet2的数据
    import pandas as pd
    
    data = pd.read_excel('./dataset1.xlsx', sheet_name='Sheet2');
    # print(data)
    print(data.info())
    
    # 1、将ShipDate，OrderDate列转换为时间格式
    data['ShipDate'] = pd.to_datetime(data['ShipDate'])
    data['OrderDate'] = pd.to_datetime(data['OrderDate'])
    print(data)
    
    # 2、、找出发货时间早于下单日期的记录,并删除发货时间早于下单日期的记录，且在原数据上进行修改。
    # print(data[data['ShipDate'] < data['OrderDate']])  # 看看删除前哪一行发货时间早于下单日期
    data.drop(index=data[data['ShipDate']<data['OrderDate']].index, inplace=True)
    # print(data[data['ShipDate'] < data['OrderDate']])  # 看看删除后哪一行发货时间早于下单日期
    
    # 3、分别取出订单日期的年、月、季，生成新的DataFrame，并导出
    data['year'] = data['OrderDate'].dt.year
    data['month'] = data['OrderDate'].dt.month
    data['quarter'] = data['OrderDate'].dt.to_period('Q')
    new_dataFrame = data[['year', 'month', 'quarter']]
    print(new_dataFrame)
    
    # 4、按照年份计算每年的销售总额
    total = data.groupby(data['OrderDate'].dt.year)['Sales'].sum()
    print("每年的销售额:\n", total)

参考案例：  
[python案例分析之电商销售数据分析][python]

[python]: https://blog.csdn.net/weixin_41797985/article/details/112247098?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166711518316782427479674%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=166711518316782427479674&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~rank_v31_ecpm-1-112247098-null-null.nonecase&utm_term=python%E6%A1%88%E4%BE%8B%E5%88%86%E6%9E%90%E4%B9%8B&spm=1018.2226.3001.4450