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。
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。
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~
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。
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。
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。
下面便可以来编写页面了。
我们都知道当浏览器打开一个网页,会有标题和图标。
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。
短代码可从下方链接获取。
https://www.webfx.com/tools/emoji-cheat-sheet/
妥妥的表情符号代码大全!
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。
通过上述代码就搭建成功了,如下图左侧。
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。
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。
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。
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"。
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。
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…
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:用Python制作销售数据可视化看板,展示分析一步到位 - Python技术站