数据可视化技术与应用(Python) 课件 项目5 企业销量数据可视化项目实战

企业销量数据可视化项目实战数据可视化技术与应用项目导读对企业来说，企业销售数据可视化能够为其提供一定的帮助。该模块旨在通过可视化的方式展示与企业销售相关的数据，包括企业季度销量数据和企业区域销量数据等。通过收集和整理这些数据，并利用数据可视化技术将其以分组柱状图和散点图的形式展示出来，方便企业管理人员更好地理解和分析企业在不同的季度和区域的销量，以及它们之间的相关性。参与企业销售数据可视化项目实战，企业可以从以下几个方面获得帮助。项目导读01销售趋势分析03销售相关性分析02区域销售比较通过企业销售数据可视化可以展示企业季度销量数据，方便企业管理人员更直观地了解销售在不同季度的表现和趋势。这有助于企业管理人员识别销售的高峰和低谷，制定相应的销售策略和计划，优化产品生命周期管理和库存控制。通过企业销售数据可视化可以展示企业区域销量数据，方便企业管理人员更好地比较不同区域之间的销售情况。这有助于企业管理人员发现区域之间的销售差异，确定高效的销售渠道和市场定位策略，以实现更好的销售业绩和市场份额。利用数据可视化技术，可以将企业季度销量数据和企业区域销量数据进行相关性分析的可视化展示。这有助于企业管理人员理解不同因素对销售的影响程度，识别关键的销售驱动因素，以便更准确地制定销售和市场推广策略。项目目标学习目标能力目标素养目标掌握分组柱状图的可视化掌握散点图的可视化能区分柱状图和分组柱状图能区分散点图和饼状图通过企业销量相关性数据可视化，培养学生以人为本的精神，这对学生的就业和以后的工作有较大的帮助通过企业季度销量数据可视化可以培养学生以全面的眼光看待问题，可能在某个季度销量不好，但是从整体上看全年的销量还是有增长的企业季度销量数据可视化项目实战企业区域销量数据可视化项目实战不同品牌销量数据对比可视化项目实战010302总结与建议04目录CONCENTS5-1企业季度销量数据可视化项目实战补充企业季度销量数据的缺失值使用分组柱状图进行数据可视化分析0102目录CONCENTS5-1-1补充企业季度销量据的缺失值补充企业季度销量数据的缺失值-数据概述素材与案例＼项目5＼数据集＼某品牌季度销量数据集.csv补充企业季度销量数据的缺失值-数据概述字段名称字段含义date季度编号Revenue季度收入TurnoverofRegionAA地区营业额TurnoverofRegionBB地区营业额TurnoverofRegionCC地区营业额PriceIndex价格指数BrandBB品牌季度收入补充企业季度销量数据的缺失值-检测缺失值任务一数据分析中，缺失值是指数据集中未观察到或未记录的信息。缺失值可能出现在任何类型的数据中，包括数值数据、分类数据或时间序列数据。数据中的缺失值通常用特定的标记表示，如NA、NULL、

空字符串或者一些特定的占位符。在Python

中，pandas库提供了一系列强大的工具来处理缺失值。在处理缺失值前需要检测缺失值，检测是否为缺失值常用以下函数。补充企业季度销量数据的缺失值-检测缺失值代码如下：importpandasaspdimportnumpyasnp #创建一个包含缺失值的DataFramedf=pd.DataFrame({'A':[1,2,np.nan,4],'B':[np.nan,2,3,4],'c':[1,2,3,np.nan]})#检测哪些值是缺失的（NaN)print("检测缺失值(isnull/isna):")print(df.isnull()) #或者使用df.isna()#检测哪些值是非缺失的print("\n检测非缺失值(notnull/notna):")print(df.notnull() #或者使用df.notna()补充企业季度销量数据的缺失值-检测缺失值输出结果:补充企业季度销量数据的缺失值-处理缺失值方法和场景

当检测到数据中有缺失值时，需要选择哪种处理缺失值的方法取决于数据的特性、缺失值的类型，以及分析或建模的目标。常用处理缺失值方法和场景见表５-２。补充企业季度销量数据的缺失值-检测缺失值代码如下：importpandasaspd#读取CSv文件data=pd.read_csv(r'C:\Users\Administrator\Desktop\某品牌季度销量数据集.csv’）#判断'date'列和'Revenue'列是否存在空值is_date_empty=data["date"].isnull().any() #判断'date'列是否存在空值is_Revenue_empty=data["Revenue"].isnull().any()#判断'Revenue'列是否存在空值补充企业季度销量数据的缺失值-检测缺失值代码如下：#打印结果ifis_date_emptyoris_Revenue_empty: #如果其中一列存在空值ifis_date_empty: print（"'date'列存在空值*)ifis_Revenue_empty: print（"'Revenue'列存在空值-）else:print（两列都没有空值"）补充企业季度销量数据的缺失值-检测缺失值运行结果:5-1-2使用分组柱状图进行数据可视化分析使用分组柱状图进行数据可视化分析精益求精知行合一细致入微学思并进精益求精主动创新

精益求精，是艺术家必备的创作态度。创造美是一项崇高的使命，也是极具挑战性的实践，容不得丝毫懈怠，拒绝一切敷衍了事的心态。唯有通过不断打磨、反复推敲，不遗漏、不轻视任何一个微小的细节，才可能在点滴积累中绽放艺术的光芒。使用分组柱状图进行数据可视化分析分组柱状图是一种常见的数据可视化图表类型，用于同时比较多个类别或组之间的数据。在分组柱状图中，不同类别或组的数据以垂直的矩形表示，而每个矩形内部的分组代表该类别或组中的不同子类别或子组。分组柱状图分为水平分组柱状图和垂直分组柱状图，水平分组柱状图是将多个类别按照分组进行水平排列，垂直分组柱状图则是将多个类别按照分组进行垂直排列。分组柱状图中垂直分组柱状图的构成如图所示。分组柱状图概述使用分组柱状图进行数据可视化分析代码如下：importpandasaspdimportmatplotlib.pyplotasplt#读取CSV文件，并将日期列转换为日期类型data=pd.read_csv(r'c:\Users\Administrator\Desktop\某品牌季度销量数据集.csv’）#创建两个新的列year和quarter，提取每个日期的年份和季度datal'year']=data['date'].str.slice(0,4).astype(int)datal'quarter']=data['date'].str.slice(5).replace(t'o1':1,'Q2':2,'Q3':3，'Q4':4})#对每个年份的4个季度进行汇总，并绘制柱状图grouped_data=data.groupby(['year','quarter']).sum()['Revenue'].unstack()使用分组柱状图进行数据可视化分析代码如下：#设置不同的颜色colors=[‘#FF0000',’#00FF00',’#0000FF','#FFFF00’]#绘制柱状图grouped_data.plot(kind='bar',color=colors)#设置横轴和纵轴标签plt.xlabel('Year’)plt.ylabel(TotalRevenue’)＃设置图表标题plt.title('YearlyRevenue’)#显示图表plt.show()

由图可以看出，企业的年度销量呈不断上升的趋势。

另外，

该企业在不同年份的第三季度都有不俗的销量，

说明该企业的产品在第三季度可能更适合客户，

客户的需求量在第三季度也是最大的。

对该企业来说，

第二季度是销量的萎靡期，

这也说明企业可能需要改变策略使得商品或者服务适合此季度。使用分组柱状图进行数据可视化分析运行结果:5-2企业区域销量数据可视化项目实战企业区域销量数据的操作使用散点图进行数据可视化分析

0102目录CONCENTS企业区域销量数据的操作5-2-1企业区域销量数据的操作-数据概述

在本子项目中，将用到第1列date、第3列TurnoverofRegionA、第4列TurnoverofRegionB和第5列TumoverofRegionC来展示不同季度下不同区域的销量数据。企业区域销量数据的操作-重复行检测代码如下：importpandasaspddf=pd.read_csv(r'C:\Users\Administrator\Desktop\某品牌季度销量数据集.csv’)#找出重复的行duplicate_rows=df[df.duplicated()]#打印重复的行ifnotduplicate_rows.empty:print("重复的行:“)print(duplicate_rows)else:print（"没有重复的行"）企业区域销量数据的操作-缺失值（空值）检测代码如下：importpandasaspd#读取cSV文件data=pd.read_csv(r'C:\Users\Administrator\Desktop\某品牌季度销量数据集.csv’）#判断4列是否存在空值columns=['date','TurnoverofRegionA','TurnoverofRegionB','TurnoverofRegionC']empty_columns=[]forcolumnincolumns:is_empty=data[column].isnull().any()ifis_empty:empty_columns.append(column)企业区域销量数据的操作-缺失值（空值）检测代码如下：#打印结果ifempty_columns:print(f存在空值的列:",'.join(empty_columns)}")else:print（"所有列都没有空值"）运行结果:企业区域销量数据的操作使用散点图进行数据可视化分析

5-2-2使用散点图进行数据可视化分析

勇于探索敢于质疑坚持不懈实践创新持续好奇不畏挑战勇于探索，是学习者必备的精神特质，是一项充满风险的冒险，也是实现梦想的必由之路，容不得片刻犹豫，不容许任何“等机会”的懒惰。唯有通过不断尝试、勇于突破，不畏惧、不回避每一个可能的挑战，才能在竞争中开辟出一片新天地。使用散点图进行数据可视化分析

散点图概述散点图是一种常用的数据可视化方法，用于揭示两个数值型变量之间的关系。散点通过在二维坐标系中绘制数据点，展示变量之间的交互作用。每个数据点的位置由两个变量的值决定，其中一个变量表示横轴，另一个变量表示纵轴。主要用于观察和分析两个变量之间的关系，以及识别可能存在的模式、趋势或异常值。使用散点图进行数据可视化分析

散点图优势使用散点图进行数据可视化分析

散点图优势散点图的优势之一是相关性，可以用来显示两个变量之间的相关性。相关性是指两个变量之间的关联程度或线性关系的强度。在散点图中，人们可以通过观察数据点的分布模式来推断两个变量之间的相关性。数据的相关关系主要分为以下几种类型：正相关、负相关、不相关、线性相关、指数相关、Ｕ形相关、强相关、弱相关和无相关等。使用散点图进行数据可视化分析

代码如下：importpandasaspdimportmatplotlib.pyplotaspltplt.rcParams['font.family']='SimSun’data=pd.read_csv(r'C:\Users\Administrator\Desktop\某品牌季度销量数据集.csv‘）coll_data=data['TurnoverofRegionA’]col2_data=datal'TurnoverofRegionB’]col3_data=data['TurnoverofRegionC’]使用散点图进行数据可视化分析

代码如下：x=range(len(data))plt.scatter(x,coll_data,c='red',label='TurnoverofRegionA',s=10)plt.scatter(x,col2_data,c='blue',label='TurnoverofRegionB',s=10)plt.scatter(x,col3_data,c='green',label='TurnoverofRegionC',s=10)plt.ylabel(营业收人’）plt.xticks([l)plt.title(不同区城的季度营业收人’）plt.legend()plt.show()使用散点图进行数据可视化分析

运行结果:5-3不同品牌销量数据对比可视化项目实战不同品牌销量数据对比可视化项目实战综合实战

将利用组合柱状图完成不同品牌销量数据的可视