Python实现制作销售数据可视化看板详解


Posted in Python onNovember 27, 2021

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。

Python实现制作销售数据可视化看板详解

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。

1. 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。

Python实现制作销售数据可视化看板详解

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。

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。

Python实现制作销售数据可视化看板详解

下面便可以来编写页面了。

2. 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。

Python实现制作销售数据可视化看板详解

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。

Python实现制作销售数据可视化看板详解

妥妥的表情符号代码大全!

3. 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。

# 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。

Python实现制作销售数据可视化看板详解

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。

Python实现制作销售数据可视化看板详解

4. 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。

Python实现制作销售数据可视化看板详解

5. 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。

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。

# 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。

Python实现制作销售数据可视化看板详解

6. 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"。

Python实现制作销售数据可视化看板详解

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。 

以上就是Python实现制作销售数据可视化看板详解的详细内容,更多关于Python 数据可视化的资料请关注三水点靠木其它相关文章!

Python 相关文章推荐
Python虚拟环境Virtualenv使用教程
May 18 Python
浅谈Python 集合(set)类型的操作——并交差
Jun 30 Python
windows及linux环境下永久修改pip镜像源的方法
Nov 28 Python
Python数据结构之栈、队列及二叉树定义与用法浅析
Dec 27 Python
Django框架会话技术实例分析【Cookie与Session】
May 24 Python
利用Python实现手机短信监控通知的方法
Jul 22 Python
如何用Python来理一理红楼梦里的那些关系
Aug 14 Python
Python递归求出列表(包括列表中的子列表)的最大值实例
Feb 27 Python
python操作yaml说明
Apr 08 Python
使用python脚本自动生成K8S-YAML的方法示例
Jul 12 Python
利用Python函数实现一个万历表完整示例
Jan 23 Python
Python实现科学占卜 让视频自动打码
Apr 09 Python
Python 如何利用ffmpeg 处理视频素材
实操Python爬取觅知网素材图片示例
Python函数中apply、map、applymap的区别
Nov 27 #Python
python字符串拼接.join()和拆分.split()详解
Nov 23 #Python
Python装饰器的练习题
Nov 23 #Python
python人工智能human learn绘图可创建机器学习模型
利用Python实现Picgo图床工具
Nov 23 #Python
You might like
PHP性能优化工具篇Benchmark类调试执行时间
2011/12/06 PHP
UCenter 批量添加用户的php代码
2012/07/17 PHP
thinkphp实现附件上传功能
2017/05/26 PHP
JAVASCRIPT车架号识别/验证函数代码 汽车车架号验证程序
2012/01/08 Javascript
Jquery promise实现一张一张加载图片
2015/11/13 Javascript
JS控制层作圆周运动的方法
2016/06/20 Javascript
javascript常用经典算法详解
2017/01/11 Javascript
canvas知识总结
2017/01/25 Javascript
Webpack中css-loader和less-loader的使用教程
2017/04/27 Javascript
vue 文件目录结构详解
2017/11/24 Javascript
详解如何在Vue里建立长按指令
2018/08/20 Javascript
JS实现的自定义map方法示例
2019/05/17 Javascript
layui使用templet格式化表格数据的方法
2019/09/16 Javascript
JS 数组和对象的深拷贝操作示例
2020/06/06 Javascript
JS前后端实现身份证号验证代码解析
2020/07/23 Javascript
JavaScript实现瀑布流布局的3种方式
2020/12/27 Javascript
Python中DJANGO简单测试实例
2015/05/11 Python
Python对数据库操作
2016/03/28 Python
Python的collections模块中namedtuple结构使用示例
2016/07/07 Python
Python中异常重试的解决方案详解
2017/05/05 Python
解决python升级引起的pip执行错误的问题
2018/06/12 Python
Python字符串的全排列算法实例详解
2019/01/07 Python
ActiveMQ:使用Python访问ActiveMQ的方法
2019/01/30 Python
使用Python Pandas处理亿级数据的方法
2019/06/24 Python
Python 列表中的修改、添加和删除元素的实现
2020/06/11 Python
python右对齐的实例方法
2020/07/05 Python
Python基于爬虫实现全网搜索并下载音乐
2021/02/14 Python
Html5 页面适配iPhoneX(就是那么简单)
2019/09/05 HTML / CSS
机械设备与数控技术专业求职信
2014/08/10 职场文书
承诺书样本
2014/08/30 职场文书
2014年打非治违工作总结
2014/11/13 职场文书
2015年专项整治工作总结
2015/04/03 职场文书
大学学习委员竞选稿
2015/11/20 职场文书
2016年社区“我们的节日·中秋节”活动总结
2016/04/05 职场文书
python plt.plot bar 如何设置绘图尺寸大小
2021/06/01 Python
68行Python代码实现带难度升级的贪吃蛇
2022/01/18 Python