menuvisibilityphp技巧_用python制作发卖数据大年夜屏让你的数据分析更精准

只有对发卖数据的准确剖析我们才有可能找准数据变动(增长或下滑)的缘故原由。

然后办理问题、创造新的增长点才会成为可能！

本日就给大家先容一个用Python制作发卖数据大屏的方法。

紧张利用Python的Streamlit库、Plotly库、Pandas库进行搭建。

个中Pandas处理数据，Plotly制作可视化图表，Streamlit搭建可视化页面。

对付以上三个库，Streamlit库可能大家会比较陌生，我大略先容一下。

Streamlit是一个完备免费的开源运用程序框架，它能帮你不用懂得繁芜的HTML，CSS等前端技能就能快速做出来一个炫酷的Web页面。

利用的数据是虚构数据，某超市2021年发卖订单数据，共有1000条的订单数据。

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、韶光、支付办法、本钱、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["韶光"], format="%H:%M:%S").dt.hour return dfdf = get_data_from_excel()print(df)

成功读取数据，结果如下。

下面便可以来编写页面了。

我们都知道当浏览器打开一个网页，会有标题和图标。

以是我们需先设置本次网页的名称、图标、布局等。

这也是利用Streamlit搭建页面，利用的第一个Streamlit命令，并且只能设置一次。

# 设置网页信息 st.set_page_config(page_title="发卖数据大屏", page_icon=":bar_chart:", layout="wide")

个中page_icon参数可以利用表情符号代码来显示图标。

st.sidebar(侧边栏)，每个通报给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。

点击侧边栏的右上角关闭符号，侧边栏即可隐蔽。

网页将会展示主页面。

04. 主页面信息

接下来编写主页面信息，包含主页标题、发卖总额、均匀评分、均匀发卖额信息。

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: 发卖数据大屏")st.markdown("##")# 核心指标, 发卖总额、均匀评分、星级、均匀发卖额数据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)# 添加干系信息with left_column: st.subheader("发卖总额:") st.subheader(f"RMB {total_sales:,}")with middle_column: st.subheader("均匀评分:") st.subheader(f"{average_rating} {star_rating}")with right_column: st.subheader("均匀发卖额:") 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。

05. 主页面图表

包含了两个图表，一个是每小时发卖额，一个是各种商品发卖总额。
通过Plotly Express完成图表的绘制。

Plotly Express是一个新的高等Python可视化库，是Plotly.py的高等封装，它为繁芜的图表供应了一个大略的语法。

受Seaborn和ggplot2的启示，它专门设计为具有简洁，同等且易于学习的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。

# 各种商品发卖情形(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>每种商品发卖总额</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)))# 每小时发卖情形(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>每小时发卖总额</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。

06. 隐蔽部件

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"。

为了都雅，这里可以将它们都隐蔽掉。

# 隐蔽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)

这样一个可交互的发卖数据看板，就完成搭建啦！

# 安装依赖库pip install -i https://pypi.tuna.tsinghua.edu.cn/simple plotly==4.14.3pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas==1.1.0pip install -i https://pypi.tuna.tsinghua.edu.cn/simple streamlit==0.86.0pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openpyxl==3.0.6# 运行streamlit run app.py

安装干系依赖，命令行终端运行程序。