百木园-与人分享,
就是让自己快乐。

用Python制作销售数据可视化看板,展示分析一步到位

前言

在数据时代,销售数据分析的重要性已无需赘言。

只有对销售数据的准确分析我们才有可能找准数据变动(增长或下滑)的原因。

然后解决问题、发现新的增长点才会成为可能!

今天就给大家介绍一个用Python制作销售数据大屏的方法。

主要使用Python的Streamlit库、Plotly库、Pandas库进行搭建。

在这里插入图片描述

其中Pandas处理数据,Plotly制作可视化图表,Streamlit搭建可视化页面。

对于以上三个库,Streamlit库可能大家会比较陌生,我简单介绍一下。

Streamlit是一个完全免费的开源应用程序框架,它能帮你不用懂得复杂的HTML,CSS等前端技术就能

快速做出来一个炫酷的Web页面。

在这里插入图片描述

标题文档地址

https://docs.streamlit.io/

 

具体的大家可以去看文档学习,多动手练习。

下面就给大家讲解一下如何搭建销售数据看板~

01. 数据

使用的数据是虚构数据,某超市2021年销售订单数据,共有1000条的订单数据。

在这里插入图片描述

城市有三个,分别为北京、上海、杭州。顾客类型有两种,为会员和普通。顾客性别为男性和女性。

剩下还包含订单编号、商品类型、单价、数量、总价、日期、时间、支付方式、成本、毛利率、总收入、评分等信息。

通用Pandas的read_excel方法读取数据。

跳过前3行,选取B到R列,1000行数据。
在这里插入图片描述

python学习交流Q群:906715085###
def get_data_from_excel():
    df = pd.read_excel(
        io=\"supermarkt_sales.xlsx\",
        engine=\"openpyxl\",
        sheet_name=\"Sales\",
        skiprows=3,
        usecols=\"B:R\",
        nrows=1000,
    )
    # 添加小时列数据
    df[\"小时\"] = pd.to_datetime(df[\"时间\"], format=\"%H:%M:%S\").dt.hour
    return df

df = get_data_from_excel()
print(df)

 

成功读取数据,结果如下。

在这里插入图片描述

下面便可以来编写页面了。

02. 网页标题和图标

我们都知道当浏览器打开一个网页,会有标题和图标。

在这里插入图片描述

所以我们需先设置本次网页的名称、图标、布局等。

这也是使用Streamlit搭建页面,使用的第一个Streamlit命令,并且只能设置一次。

# 设置网页信息 
st.set_page_config(page_title=\"销售数据大屏\", page_icon=\":bar_chart:\", layout=\"wide\")

 

其中page_icon参数可以使用表情符号代码来显示图标。

在这里插入图片描述

短代码可从下方链接获取。

https://www.webfx.com/tools/emoji-cheat-sheet/

 

在这里插入图片描述

妥妥的表情符号代码大全!

03. 侧边栏和多选框

st.sidebar(侧边栏),每个传递给st.sidebar的元素都会被固定在左边,让用户可以专注于主页中的内容。

multiselect(多选框)是一个交互性的部件,可以通过它进行数据筛选。

python学习交流Q群:906715085####
# 侧边栏
st.sidebar.header(\"请在这里筛选:\")
city = st.sidebar.multiselect(
    \"选择城市:\",
    options=df[\"城市\"].unique(),
    default=df[\"城市\"].unique()
)

customer_type = st.sidebar.multiselect(
    \"选择顾客类型:\",
    options=df[\"顾客类型\"].unique(),
    default=df[\"顾客类型\"].unique(),
)

gender = st.sidebar.multiselect(
    \"选择性别:\",
    options=df[\"性别\"].unique(),
    default=df[\"性别\"].unique()
)

df_selection = df.query(
    \"城市 == @city & 顾客类型 ==@customer_type & 性别 == @gender\"
)

 

结合Pandas的query查询,就能对数据进行过滤。

在这里插入图片描述

通过上述代码就搭建成功了,如下图左侧。

在这里插入图片描述

点击侧边栏的右上角关闭符号,侧边栏即可隐藏。

网页将会展示主页面。

在这里插入图片描述

04. 主页面信息

接下来编写主页面信息,包含主页标题、销售总额、平均评分、平均销售额信息。

和网页的图标一样,通过表情符号代码实现。

# 主页面
st.title(\":bar_chart: 销售数据大屏\")
st.markdown(\"##\")

# 核心指标, 销售总额、平均评分、星级、平均销售额数据
total_sales = int(df_selection[\"总价\"].sum())
average_rating = round(df_selection[\"评分\"].mean(), 1)
star_rating = \":star:\" * int(round(average_rating, 0))
average_sale_by_transaction = round(df_selection[\"总价\"].mean(), 2)


# 3列布局
left_column, middle_column, right_column = st.columns(3)

# 添加相关信息
with left_column:
    st.subheader(\"销售总额:\")
    st.subheader(f\"RMB {total_sales:,}\")
with middle_column:
    st.subheader(\"平均评分:\")
    st.subheader(f\"{average_rating} {star_rating}\")
with right_column:
    st.subheader(\"平均销售额:\")
    st.subheader(f\"RMB {average_sale_by_transaction}\")

# 分隔符
st.markdown(\"\"\"---\"\"\")

 

完成核心指标数据的处理,并将其进行布局显示。

在这里插入图片描述
在这里插入图片描述

05. 主页面图表

包含了两个图表,一个是每小时销售额,一个是各类商品销售总额。通过Plotly Express完成图表的绘制。

Plotly Express是一个新的高级Python可视化库,是Plotly.py的高级封装,它为复杂的图表提供了一个简单的语法。

文档地址

https://plot.ly/python/plotly-express/

 

受Seaborn和ggplot2的启发,它专门设计为具有简洁,一致且易于学习的API。只需一次导入,就可以在一个函数调用中创建丰富

的交互式绘图。

python学习交流Q群:906715085###
# 各类商品销售情况(柱状图)
sales_by_product_line = (
    df_selection.groupby(by=[\"商品类型\"]).sum()[[\"总价\"]].sort_values(by=\"总价\")
)
fig_product_sales = px.bar(
    sales_by_product_line,
    x=\"总价\",
    y=sales_by_product_line.index,
    orientation=\"h\",
    title=\"<b>每种商品销售总额</b>\",
    color_discrete_sequence=[\"#0083B8\"] * len(sales_by_product_line),
    template=\"plotly_white\",
)
fig_product_sales.update_layout(
    plot_bgcolor=\"rgba(0,0,0,0)\",
    xaxis=(dict(showgrid=False))
)

# 每小时销售情况(柱状图)
sales_by_hour = df_selection.groupby(by=[\"小时\"]).sum()[[\"总价\"]]
print(sales_by_hour.index)
fig_hourly_sales = px.bar(
    sales_by_hour,
    x=sales_by_hour.index,
    y=\"总价\",
    title=\"<b>每小时销售总额</b>\",
    color_discrete_sequence=[\"#0083B8\"] * len(sales_by_hour),
    template=\"plotly_white\",
)
fig_hourly_sales.update_layout(
    xaxis=dict(tickmode=\"linear\"),
    plot_bgcolor=\"rgba(0,0,0,0)\",
    yaxis=(dict(showgrid=False)),
)


left_column, right_column = st.columns(2)
left_column.plotly_chart(fig_hourly_sales, use_container_width=True)
right_column.plotly_chart(fig_product_sales, use_container_width=True)

 

添加数据,设置图表配置,以及网页布局。

得到结果如下。

在这里插入图片描述

06. 隐藏部件

当我们通过Streamlit搭建一个界面,默认就会有红线、菜单、结尾的\"Make with Streamlit\"。

在这里插入图片描述

为了美观,这里可以将它们都隐藏掉。

# 隐藏streamlit默认格式信息
hide_st_style = \"\"\"
            <style>
            #MainMenu {visibility: hidden;}
            footer {visibility: hidden;}
            header {visibility: hidden;}
            </style>
            \"\"\"

st.markdown(hide_st_style, unsafe_allow_html=True)

 

这样一个可交互的销售数据看板,就完成搭建啦!

# 安装依赖库
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple plotly==4.14.3
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas==1.1.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple streamlit==0.86.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openpyxl==3.0.6

# 运行
streamlit run app.py

 

安装相关依赖,命令行终端运行程序。

最后

今天的分享到这里就结束了,明天想要看什么呢?可以私信我留言哟!!!砸门下一篇见…

在这里插入图片描述


来源:https://www.cnblogs.com/1234567FENG/p/16378938.html
本站部分图文来源于网络,如有侵权请联系删除。

未经允许不得转载:百木园 » 用Python制作销售数据可视化看板,展示分析一步到位

相关推荐

  • 暂无文章