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字符转换
Sep 06 Python
Python设计模式中单例模式的实现及在Tornado中的应用
Mar 02 Python
python3爬取各类天气信息
Feb 24 Python
用python写扫雷游戏实例代码分享
May 27 Python
更换Django默认的模板引擎为jinja2的实现方法
May 28 Python
python TF-IDF算法实现文本关键词提取
May 29 Python
关于初始种子自动选取的区域生长实例(python+opencv)
Jan 16 Python
Python enumerate内置库用法解析
Feb 24 Python
win10下python3.8的PIL库安装过程
Jun 08 Python
Pycharm新手使用教程(图文详解)
Sep 17 Python
Requests什么的通通爬不了的Python超强反爬虫方案!
May 20 Python
python开发飞机大战游戏
Jul 15 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 array_pop()数组函数将数组最后一个单元弹出(出栈)
2011/07/12 PHP
PHP __autoload()方法真的影响性能吗?
2012/03/30 PHP
JS应用之禁止抓屏、复制、打印
2008/02/21 Javascript
JQuery 学习笔记 选择器之四
2009/07/23 Javascript
谈谈关于JavaScript 中的 MVC 模式
2013/04/11 Javascript
跟我学习javascript的Date对象
2015/11/19 Javascript
Javascript数组循环遍历之forEach详解
2016/11/07 Javascript
BootStrap Validator 版本差异问题导致的submitHandler失效问题的解决方法
2016/12/01 Javascript
xmlplus组件设计系列之文本框(TextBox)(3)
2017/05/03 Javascript
基于angular实现三级联动的生日插件
2017/05/12 Javascript
Vue computed计算属性的使用方法
2017/07/14 Javascript
JS实现字符串去重及数组去重的方法示例
2018/04/21 Javascript
浅谈webpack devtool里的7种SourceMap模式
2019/01/14 Javascript
Node.js API详解之 module模块用法实例分析
2020/05/13 Javascript
你不知道的SpringBoot与Vue部署解决方案
2020/11/09 Javascript
Python使用线程来接收串口数据的示例
2019/07/02 Python
Pandas聚合运算和分组运算的实现示例
2019/10/17 Python
利用python实现PSO算法优化二元函数
2019/11/13 Python
Pytorch之parameters的使用
2019/12/31 Python
flask 实现上传图片并缩放作为头像的例子
2020/01/09 Python
django API 中接口的互相调用实例
2020/04/01 Python
Python 给下载文件显示进度条和下载时间的实现
2020/04/02 Python
python爬虫可以爬什么
2020/06/16 Python
Pycharm创建文件时自动生成文件头注释(自定义设置作者日期)
2020/11/24 Python
python 基于Apscheduler实现定时任务
2020/12/15 Python
南威尔士家居商店:Leekes
2016/10/25 全球购物
美国温暖商店:The Warming Store
2018/12/15 全球购物
美国艺术和工艺品商店:Hobby Lobby
2020/12/09 全球购物
请解释一下webService? 如何用.net实现webService
2014/06/09 面试题
车祸赔偿收入证明
2014/01/09 职场文书
求职信模板怎么做
2014/01/26 职场文书
《猴子种果树》教学反思
2014/04/26 职场文书
小学竞选班干部演讲稿
2014/08/20 职场文书
电影小兵张嘎观后感
2015/06/03 职场文书
检讨书之工作不认真
2019/08/14 职场文书
Python爬虫入门案例之回车桌面壁纸网美女图片采集
2021/10/16 Python