数分基础（02）销售趋势分析

销售趋势分析

1. 数据集

数据集介绍见 数分基础（01）示例数据集Global_Superstore
可直接下载

2. 销售趋势

分析不同时期的销售额趋势，例如按月、季度或年度，观察销售的季节性或增长模式。

3. 步骤

3.1 数据读取与预处理：

读取数据集并检查其基本信息
解析日期列、创建额外的时间维度（如月份、季度、年份等）

3.2 计算按月、季度、年度的总销售额

绘制趋势图来观察销售额的变化
观察每年中不同月份或季度的销售额分布，确定是否存在季节性影响

4. 分析工具：Python 或 Excel

5. Python

5.1 Global_Superstore2.xlsx 文件位置

放到Jupyter默认文件夹下，一般默认安装的位置在这里

5.2 读取数据集并检查其基本信息

解析日期列、创建额外的时间维度（如月份、季度、年份等）

import pandas as pd

# 读取Excel数据
file_path = 'Global_Superstore2.xlsx'
df = pd.read_excel(file_path)

# 查看数据的基本信息
df.info()

# 解析日期列，并创建年月、季度、年份等时间维度
df['Order Date'] = pd.to_datetime(df['Order Date'], dayfirst=True)
df['Year'] = df['Order Date'].dt.year
df['Month'] = df['Order Date'].dt.month
df['Quarter'] = df['Order Date'].dt.to_period('Q')

‘to_period()’是Pandas的一个方法，这里，将日期列’Order Date’中的每个日期转换为该日期所属的季度。假设 Order Date 是 “2024-08-24”，那么“to_period()”会将其转换为“2024Q3”，表示2024年的第三季度。

常见用法：
to_period(‘M’)：将日期转换为月份，例如 “2024-08”。
to_period(‘A’)：将日期转换为年份，例如 “2024”。

运行上述代码，显示数据集的基本信息如下

5.3 绘制趋势图来观察销售额的变化

import matplotlib.pyplot as plt

# 按年度分析销售额
annual_sales =<