数据分析综合应用练习：超市销售额分析

链接：https://pan.baidu.com/s/11Y2YLIfojs0IAYqs4pduNA
提取码：pghe

1、读取Excel文件中的数据存储于变量中，并打印
提示：file=pd.read_excel(file_path,sheet_name=sheetName) 写出相关代码，并提交结果截图。

df1=pd.read_excel('./dataes/超市营业额-测试用.xlsx',sheet_name='2019-3月销售详情',header=0)df2=pd.read_excel('./dataes/超市营业额-测试用.xlsx',sheet_name='2019-4月销售详情',header=0)df3=pd.read_excel('./dataes/超市营业额-测试用.xlsx',sheet_name='员工详情',header=0)print(df1)print(df2)print(df3)

2、获取2019年3月销售详情中第3，6，9行的所有数据存储于变量temp中，并输出temp，查看结果效果

temp = df1.loc[[2,5,8]]print(temp)

3、获取2019年3月销售详情中前10行的’姓名‘、’日期‘、’柜台‘的数据，并输出

temp1 = df1.loc[:9,['姓名','日期','柜台']]print(temp1)

4、获取2019年3月销售详情中交易额高于1500元数据，输出一共含有多少条符合条件的记录，并输出结果详情

temp2 = df1[df1['交易额']>1500]
print(temp2.shape[0])
print(temp2)

5、获取2019年3月销售详情中下午班（14：00~21：00）的交易总额数据，并输出结果

temp3 = df1[df1['时段']=='14：00-21：00']
print(temp3['交易额'].sum())

6、获取2019年3月销售详情中张三下午班的交易详情，并输出

temp4 = df1[df1['姓名']=='张三']
temp5 = temp4[temp4['时段']=='14：00-21：00']
print(temp5)

7、获取2019年3月销售详情中张三和李四两人的销售总额，并输出

temp6=df1[(df1['姓名']=='张三')]
a=temp6['交易额'].sum()
temp7=df1[(df1['姓名']=='李四')]
b=temp7['交易额'].sum()
print(a+b)

8、获取2019年3月销售详情中日用品柜台销售总额，并输出

temp8 =df1[df1['柜台']=='日用品']
print(temp8['交易额'].sum())

9、获取2019年3月销售详情中交易额在800~850之间的交易记录，并输出

temp9=df1[(df1['交易额']>800) &(df1['交易额']<850)]
print(temp9)

10、获取所有销售详情中（包括3月、4月）每个员工上班次数并输出，并输出上班次数最多的员工

df4=pd.concat([df1,df2])
df5=df4['姓名'].value_counts()
print(df5)
temp10=df5.max()
print(temp10)

11、获取所有销售详情中（包括3月、4月）每个员工不同时段的交易额，并输出

temp11 = df4.groupby(['姓名','时段'])['交易额'].sum()
temp11

12、所有销售详情中（包括3月、4月）对不同的列采用不同的统计分析,对交易额统计，交易额的（总量、均值、最小值、最大值、中位数），同时对日期列也做统计，但只需要统计两个数值（最小值和最大值），其他的数据不用统计。

group = df4['交易额'].sum()
group1 = df4['交易额'].mean()
group2 = df4['交易额'].min()
group3 = df4['交易额'].max()
group4 = df4['交易额'].median()
group5 = df4['日期'].max()
group6 = df4['日期'].min()
print("交易额的总量：%.0f" %group)
print("交易额的均值：%.2f" %group1)
print("交易额的最小值：%.0f" %group2)
print("交易额的最大值：%.0f" %group3)
print("交易额的中位数：%.0f" %group4)
print(group5)
print(group6)

13、对所有销售详情中（包括3月、4月）进行分组统计，统计每个员工的交易额的（总量、均值、最小值、最大值、中位数）

group = df4.groupby(['姓名'])['交易额'].count()
group1 = df4.groupby(['姓名'])['交易额'].min()
group2 = df4.groupby(['姓名'])['交易额'].max()
group3 = df4.groupby(['姓名'])['交易额'].mean()
group4 = df4.groupby(['姓名'])['交易额'].median()
print(group)
print(group1)
print(group2)
print(group3)
print(group4)

14、查看每人每天交易总额，只需要展示5天的数据即可

df5 =  df4[df4['日期']<='2019-03-05']
group = df5.groupby(['姓名','日期'])['交易额'].sum()
group

15、按职级（员工详情sheet）统计不同职级下的交易额均值，并输出

df6 = pd.merge(df4,df3,how='left',on='姓名')
group = df6.groupby('职级')['交易额'].sum()
group

16、绘制各员工在不同柜台业绩平均值的柱状图

temp3 = df6[df6['职级']=='员工'].groupby(['姓名','柜台'])['交易额'].agg('count').unstack()
temp3.plot.bar(figsize=(10,5))

数据分析综合应用练习：超市销售额分析相关推荐

【案例教程】无人机生态环境监测、图像处理与GIS数据分析综合实践
[查看原文]无人机生态环境监测.图像处理与GIS数据分析综合实践技术应用构建"天空地"一体化监测体系是新形势下生态.环境.水文.农业.林业.气象等资源环境领域的重大需求,无人机生 ...
数据分析实战二：超市数据处理
数据分析实战二:超市数据处理大家好!我是未来村村长!就是那个"请你跟我这样做,我就跟你那样做!"的村长
无人机生态环境监测、图像处理与GIS数据分析综合实践技术应用
构建"天空地"一体化监测体系是新形势下生态.环境.水文.农业.林业.气象等资源环境领域的重大需求,无人机生态环境监测在一体化监测体系中扮演着极其重要的角色.通过无人机航空遥感技术可 ...
无人机生态环境监测、图像处理与GIS数据分析综合应用
构建"天空地"一体化监测体系是新形势下生态.环境.水文.农业.林业.气象等资源环境领域的重大需求,无人机生态环境监测在一体化监测体系中扮演着极其重要的角色.通过无人机航空遥感技术可 ...
python爬空气污染实时数据_python数据分析综合项目--空气质量指数分析
项目背景近年来,我国的环境问题比较严重,很多城市出现了雾霾天气,当然也有很多城市空气依旧清新,为了研究具体的空气环境城市分布,我们采用了假设检验以及线性回归的思想对AQI(空气质量指数)进行分析和预 ...
Java学习之综合案例——水果超市商品管理系统
案例介绍: 水果超市管理系统包括两个界面:系统欢迎界面和超市货物管理界面,在系统欢迎界面中,通过单击"进入系统"按钮,进入超市货物管理界面.在超市货物管理界面中,可以对水果信息实现 ...
python数据分析综合案列--星巴克门店数据分析及可视化
本实训针对一组关于全球星巴克门店的统计数据,分析了在不同国家和地区以及中国不同城市的星巴克门店数量. 获取数据,数据放在directory.csv 这个案例主要分为以下几个部分: 数据清洗和预处理:使 ...
信号完整性分析大作业_Matplotlib数据可视化 amp; Pandas数据分析综合实训大作业...
csv文件链接链接:https://pan.baidu.com/s/1-Q9riIfwTWN1AdV2Fb0eVw 提取码:7stb 1.1设置中文以及负数的编码方式,使得其能够正常显示: # re ...
python数据分析实验报告_Python数据分析综合小练习：销售数据分析
有这样一个小小的练习题: 卖电子商品的老板,每天记录了自己卖出的U盘,电脑支架,插座,电池,音箱,鼠标,usb数据线,手机充电线等数量,客户的需求是一方面,也可以通过客户购买关联性比较强的商品进行引导 ...

数据分析综合应用练习：超市销售额分析

数据分析综合应用练习：超市销售额分析相关推荐

最新文章

热门文章