Analizowanie danych sprzedażowych za pomocą Pythona: identyfikacja miesięcznych trendów
Ostatnio zmodyfikowano 2023-09-22 21:09
jamila2 Temat założony przez niniejszego użytkownika |
Analizowanie danych sprzedażowych za pomocą Pythona: identyfikacja miesięcznych trendów » 2023-09-22 08:21:49 Mam zestaw danych sprzedaży zawierający informacje o dziennej sprzedaży w sklepie detalicznym. Każdy rekord zawiera datę i odpowiadającą jej kwotę sprzedaży. Oto próbka zbioru danych: sales_data = {
'date': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-02-01', '2023-02-02', '2023-02-03'],
'sales_amount': [500, 600, 700, 550, 620, 720]
}
Chcę przeanalizować te dane, aby zidentyfikować miesięczne trendy sprzedaży. W szczególności chciałbym: Oblicz całkowitą sprzedaż w każdym miesiącu i zapisz wyniki w nowej strukturze danych. Określ miesiąc o najwyższej łącznej sprzedaży. Narysuj wykres słupkowy lub liniowy, aby zwizualizować miesięczne trendy sprzedaży. Dopiero niedawno zacząłem używać Pythona do analizy danych i po wypróbowaniu kilku artykułów, takich jak Scaler, nie mogłem znaleźć odpowiedzi. Używając języka Python i dobrze znanych pakietów do analizy danych, takich jak Pandas i Matplotlib, czy ktoś mógłby podać przykłady kodu lub instrukcje dotyczące wykonania tych zadań? Scaler: http://www.scaler.com/topics/data-science/data-analyst-skills/ |
|
pekfos |
» 2023-09-22 21:09:27 Ten artykuł nie wygląda na zbyt techniczny. Wybierz bibliotekę do wykresów i wyszukaj przykład, z pewnością jest ich pełno. Reszta to dość elementarne rzeczy, może powinieneś przejrzeć jakiś kurs Pythona. monthly = dict()
for date, amount in zip(sales_data['date'], sales_data['sales_amount']):
month = date[0:7]
monthly[month] = amount + monthly.get(month, 0)
best_month = max(monthly.items(), key=lambda x: x[1]) >>> list(monthly.items())
[('2023-01', 1800), ('2023-02', 1890)]
>>> best_month
('2023-02', 1890) |
|
| « 1 » |