大家好,我是欧K~
本期利用 python 分析 双十一美妆销售数据,看看:
双十一前后几天美妆订单数量、总销量
各美妆品牌销量情况
美妆品牌一级/二级分类占比
各美妆品牌价格箱型分布情况
各美妆品牌平均价格
美妆品牌词云
等等...
希望对大家有所帮助,如有疑问或者需要改进的地方可以联系小编。
涉及到的库:
Pandas — 数据处理
Pyecharts — 数据可视化
import pandas as pd
from pyecharts.charts import Line
from pyecharts.charts import Bar
from pyecharts.charts import Scatter
from pyecharts.charts import Boxplot
from pyecharts.charts import Pie
from pyecharts.charts import WordCloud
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode
import warnings
warnings.filterwarnings('ignore')
2.1 读取数据
df_school = pd.read_excel('data.xlsx')
2.2 数据信息
df.info()
2.3 筛选有销量的数据
df1 = df.copy()
df1 = df1[df1['销量']>0]
def get_line1():
line1 = (
Line()
.add_xaxis(x_data)
.add_yaxis("", y_data,
is_smooth=True)
.set_global_opts(
legend_opts=opts.LegendOpts(is_show=False),
visualmap_opts=opts.VisualMapOpts(
is_show=False,
min_ = 1500,
max_ = max(y_data),
range_color=range_color
),
title_opts=opts.TitleOpts(
title='1-双十一前后几天美妆订单数量',
subtitle='-- 制图@公众号:Python当打之年 --',
pos_top='1%',
pos_left="1%",
title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)
)
)
)
def get_bar1():
bar1 = (
Bar()
.add_xaxis(x_data)
.add_yaxis("", y_data,label_opts=opts.LabelOpts(position='right'))
.set_global_opts(
legend_opts=opts.LegendOpts(is_show=False),
visualmap_opts=opts.VisualMapOpts(
is_show=False,
min_ = min(y_data),
max_ = max(y_data),
dimension=0,
range_color=range_color
),
title_opts=opts.TitleOpts(
title='3-各美妆品牌订单数量',
subtitle='-- 制图@公众号:Python当打之年 --',
pos_top='1%',
pos_left="1%",
title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)
),
)
.reversal_axis()
)
相宜本草的销售额、销量都是最高的,美宝莲、悦诗风吟、妮维雅、欧莱雅分列第二至五位。
3.5 一级分类占比
def get_pie1():
pie1 = (
Pie()
.add(
"",
[list(z) for z in zip(x_data, y_data)],
radius=["40%", "70%"],
center=["50%", "50%"],
label_opts=opts.LabelOpts(formatter="{b}: {d}%",font_size=14,font_weight=500),
)
.set_global_opts(
title_opts=opts.TitleOpts(
title='5-一级分类占比',
subtitle='-- 制图@公众号:Python当打之年 --',
pos_top='1%',
pos_left="1%",
title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)
),
legend_opts=opts.LegendOpts(is_show=False)
)
)
按二级分类来看,订单量前五的分别是:套装类、清洁类、面霜类、化妆水和乳液类。
3.7 二级分类销量
3.8 各美妆品牌价格箱型图
3.9 各美妆品牌平均价格
平均价格方面,娇兰、雪花秀、雅诗兰黛、兰蔻、资生堂等品牌价格稍微偏高一些。
3.10 各美妆品牌分类词云
👉 公众号后台回复【可视化项目源码】获取全部代码+数据
以上就是本期为大家整理的全部内容了,喜欢的朋友可以点赞、点在看也可以分享让更多人知道。
往期推荐
可视化 | Flask+Mysql+Echarts 豆瓣电影Top250数据分析系统
机器学习 | 基于KNN近邻和随机森林模型对用户转化进行分析与预测
Pandas+Pyecharts | 深圳市共享单车数据分析可视化
Pandas+Pyecharts | 暑期档电影票房数据分析可视化
Pandas+Pyecharts | 平均预期寿命数据可视化
Pandas+Pyecharts | 2024年巴黎奥运会奖牌数据分析可视化
Pandas+Pyecharts | 杭州二手房数据分析可视化
Pandas+Pyecharts | 当当网畅销图书榜单数据分析可视化
Pandas+Pyecharts | 海南旅游攻略数据分析可视化
Pandas+Pyecharts | 全国海底捞门店数据分析可视化
Pandas+Pyecharts | 京东某商品销量数据分析可视化
Pandas+Pyecharts | 全国星巴克门店数据分析可视化
Pandas+Pyecharts | 第七次人口普查数据分析可视化
Pandas+Pyecharts | 快手APP全国大学生用户数据分析可视化
Pandas+Pyecharts | 奥迪汽车销量数据分析可视化
Pandas+Pyecharts | 剧荒了?用Python找找最近的热播好剧!
Pandas+Pyecharts | 2023年胡润百富榜数据分析可视化
Pandas+Pyecharts | 2023软科中国大学排名分析可视化
Pandas+Pyecharts | 成都大运会奖牌数据分析可视化
Pandas+Pyecharts | 电子产品销售数据分析可视化+用户RFM画像
Pandas+Pyecharts | 北京近五年历史天气数据可视化
Pandas+Pyecharts | 中国高校及专业数据分析可视化
Pandas+Pyecharts | 新冠疫情数据动态时序可视化
Pandas+Pyecharts | 全国吃穿住行消费排行榜,最‘抠门’的地区居然是北京!!!
Pandas+Pyecharts | 2022世界500强数据分析可视化
Pandas+Pyecharts | 快手APP全国大学生用户数据分析可视化
Pandas+Pyecharts | 上海市餐饮数据分析可视化
Pandas+Pyecharts | 山东省高考考生数据分析可视化
Pandas+Pyecharts | 20000+天猫订单数据可视化
Pandas+Pyecharts | 40000+汽车之家数据分析可视化
Pandas+Pyecharts | 广州市已成交房源信息数据可视化
Pandas+Pyecharts | 某直聘平台招聘信息数据可视化
可视化 | 分享一套Flask+Pyecharts可视化模板
用Python分析了3W+《独行月球》影评数据,看看观众们怎么说~