【Pandas+Pyecharts】电商订单数据可视化

最新推荐文章于 2024-07-14 17:10:08 发布
最新推荐文章于 2024-07-14 17:10:08 发布
阅读量1k 收藏 9
点赞数
文章标签： pandas python 数据分析
原文链接：https://www.heywhale.com/mw/project/624e61e0e204830017d7979d
版权 
import pandas as pd
from pyecharts.charts import Scatter
from pyecharts.charts import Polar
from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
  • 基本数据处理
df = pd.read_excel('天猫订单.xlsx')
df.head(3)
订单创建时间订单付款时间订单金额实付金额退款金额收货地址
02020-02-01 00:14:002020-02-01 00:14:0038.00.038.0四川省
12020-02-01 00:17:002020-02-01 00:17:0038.038.00.0江苏省
22020-02-01 00:33:002020-02-01 00:33:0076.00.076.0湖北省
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 28010 entries, 0 to 28009
Data columns (total 6 columns):
 #   Column  Non-Null Count  Dtype         
---  ------  --------------  -----         
 0   订单创建时间  28010 non-null  datetime64[ns]
 1   订单付款时间  24087 non-null  datetime64[ns]
 2   订单金额    28010 non-null  float64       
 3   实付金额    28010 non-null  float64       
 4   退款金额    28010 non-null  float64       
 5   收货地址    28010 non-null  object        
dtypes: datetime64[ns](2), float64(3), object(1)
memory usage: 1.3+ MB
  • 未完成订单
df[df['订单付款时间'].isnull()].head(3)
订单创建时间订单付款时间订单金额实付金额退款金额收货地址
132020-02-01 07:20:00NaT76.00.00.0广东省
172020-02-01 08:33:00NaT38.00.00.0辽宁省
182020-02-01 08:51:00NaT114.00.00.0重庆

  • 部分订单创建后没有付款是正常现象

  • 时间列都是datetime64格式, 金额列都是float64格式

  • 这里只保留付款了的订单

  • 添加星期列

#df = df[~df['订单体坛时间'].isnull()]
df['星期'] = df['订单创建时间'].dt.dayofweek+1
df.head(3)
订单创建时间订单付款时间订单金额实付金额退款金额收货地址星期
02020-02-01 00:14:002020-02-01 00:14:0038.00.038.0四川省6
12020-02-01 00:17:002020-02-01 00:17:0038.038.00.0江苏省6
22020-02-01 00:33:002020-02-01 00:33:0076.00.076.0湖北省6
df['星期'].unique()

array([6, 7, 1, 2, 3, 4, 5], dtype=int64)

1.一周每天各时段订单数量散点图

  • 解析一下下面的 to_fr点e(‘数量’) 的用法
    • df.groupby([df[‘星期’],df[‘订单创建时间’].dt.hour])[‘订单创建时间’].count() 这部分生成的是一个两级索引的Series
    • to_fr点e(‘数量’) 里的 “数量” 用于传递进去替换原有列名(如果有)
hours = ['0点', '1点', '2点', '3点', '4点', '5点', '6点', '7点', '8点', '9点','10点','11点','12点', '13点', '14点', '15点', '16点', '17点', '18点', '19点', '20点', '21点', '22点', '23点']
weeks = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']
week_hour_group = df.groupby([df['星期'],df['订单创建时间'].dt.hour])['订单创建时间'].count().to_frame('数量')

count_values = list(week_hour_group['数量'].values)
allinfo = []
for idx, dt in enumerate(week_hour_group.index.to_list()):
    info = [dt[0], dt[1], count_values[idx]]
    allinfo.append(info)
  • 下面用另一种方法实现 Datefr点e 整体转为每行做为一个list的list
week_hour_group.reset_index(inplace=True)
allinfo_1 = []
for i in week_hour_group.index:
    info_1 = week_hour_group.iloc[i,:].tolist()
    allinfo_1.append(info_1)

scatter = (
    Scatter(
        init_opts=opts.InitOpts(
            width='1080px',
            height='800px',
            theme='light',
            bg_color='#0d0735'
        )
    )
    .add_xaxis(xaxis_data=hours)
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(
            is_show=False,
        ),
        yaxis_opts=opts.AxisOpts(
            is_show=False
        )
    )
)

single_axis, titles = [], []
for idx, day in enumerate(weeks[::-1]):
    scatter.add_xaxis(xaxis_data=hours)
    # 单轴配置
    single_axis.append({'left': 100,
                        'n点eGap': 20,
                        'n点eLocation': 'start',
                        'type': 'category',
                        'boundaryGap': False,
                        'data': hours,
                        'top': '{}%'.format(idx * 100 / 7 + 5),
                        'height': '{}%'.format(100 / 7 - 10),
                        'gridIndex': idx,
                        'axisLabel': {'interval': 2,'color':'#9FC131'},
                        })
    titles.append(dict(text=day,top='{}%'.format(idx * 100 / 7 + 6), left='2%',
                       textStyle=dict(color='#fff200')))
    scatter.add_yaxis('',
                    y_axis=[int(item[2]) for item in allinfo if item[0] == 7-idx],
                    symbol_size=JsCode('function(p) { return p[1] * 0.15;}'),
                    label_opts=opts.LabelOpts(is_show=False),
                    )
    scatter.options['series'][idx]['coordinateSystem'] = 'singleAxis'
    scatter.options['series'][idx]['singleAxisIndex'] = idx

# 多标题配置
scatter.options['singleAxis'] = single_axis
scatter.set_global_opts(
    title_opts=titles
)

scatter.render_notebook()

在这里插入图片描述

2.一周各天订单数量极坐标图

week_group = df.groupby(df['星期'])['订单创建时间'].count().to_frame('数量')
polar = (
    Polar(
        init_opts=opts.InitOpts(
            width='1000px',
            height='800px',
            bg_color='#0d0735'
        )
    )
    .add_schema(
        radiusaxis_opts=opts.RadiusAxisOpts(
            data=weeks,
            type_='category',
            axislabel_opts=opts.LabelOpts(
                font_size=14,
                color='#00aeff'
            ),
            axisline_opts=opts.AxisLineOpts(
                is_show=True,
                linestyle_opts=opts.LineStyleOpts(
                    width=2,
                    color='#9FC131'
                )
            )
        ),
        angleaxis_opts=opts.AngleAxisOpts(
            is_clockwise=True,
            is_scale=True,
            max_=5500,
            axislabel_opts=opts.LabelOpts(
                font_size=14,
                color='#3be8b0'
            ),
            axisline_opts=opts.AxisLineOpts(
                is_show=True,
                linestyle_opts=opts.LineStyleOpts(
                    width=2,
                    type_='dashed',
                    color='#e4e932'
                )
            ),
            splitline_opts=opts.SplitLineOpts(
                is_show=True,
                linestyle_opts=opts.LineStyleOpts(
                    type_='dashed',
                    color='#9FC131'
                )
            )
        )
    )
    .add(
        '',
        week_group['数量'].values.tolist(),
        type_='bar'
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title='一周各天订单数量分布',
            subtitle='▲▼●◆☺☹☀♥☑▓〓',
            pos_left='center',
            pos_top='1%',
            title_textstyle_opts=opts.TextStyleOpts(
                color='#fff200',
                font_size=20
            )
        ),
        visualmap_opts=opts.VisualMapOpts(
            max_=6000,
            is_show=False,
            is_piecewise=True,
            split_number=8,
            min_=2500,
            range_color=[
                '#fff7f3',
                '#fde0dd',
                '#fcc5c0',
                '#fa9fb5',
                '#f768a1',
                '#dd3497',
                '#ae017e',
                '#7a0177'
            ]
        )
    )
)

polar.render_notebook()

在这里插入图片描述

3.天猫订单全国地图分布

df_tmp = df.replace('省', '', regex=True).replace('市', '', regex=True).replace('自治区', '', regex=True).replace('壮族', '', regex=True).replace('维吾尔', '', regex=True).replace('回族', '', regex=True)

area_group = df_tmp.groupby('收货地址')['订单创建时间'].count().to_frame('数量')

color_js = """new echarts.graphic.LinearGradient(0, 0, 1, 0,
    [{offset: 0, color: '#009ad6'}, {offset: 1, color: '#ed1941'}], false)"""

map = (
    Map(
        init_opts=opts.InitOpts(
            theme='dark',
            width='1000px',
            height='600px',
            bg_color='#0d0735'
        )
    )
    .add(
        '',
        [list(z) for z in zip(area_group.index.tolist(), area_group['数量'].tolist())],
        maptype='china',
        is_map_symbol_show=False,
        label_opts=opts.LabelOpts(
            is_show=True,
            color='red'
        ),
        itemstyle_opts={
            'normal':{
                'shadowColor':'rgba(0,0,0,.5)', #阴影颜色
                'shadowBlur':5, #阴影大小
                'shadowOffsetY':0, #Y轴方向阴影偏移
                'shadowOffsetX':0, #X轴方向阴影偏移
                'borderColor':'#fff'
            }
        }
    )
    .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(
            is_show=True,
            is_piecewise=True,
            min_=0,
            max_=3500,
            split_number=7,
            series_index=0,
            pos_top='70%',
            pos_left='10%',
            range_color=['#9ecae1','#6baed6','#4292c6','#2171b5','#08519c','#08306b','#d4b9da','#c994c7','#df65b0','#e7298a','#ce1256','#980043','#67001f']
        ),
        tooltip_opts=opts.TooltipOpts(
            is_show=True,
            trigger='item',
            formatter='{b}: {c}'
        ),
        title_opts=opts.TitleOpts(
            title='天猫订单全国地图分布',
            subtitle='▲▼●◆☺☹☀♥☑▓〓',
            pos_left='center',
            pos_top='5%',
            title_textstyle_opts=opts.TextStyleOpts(
                color='#fff200',
                font_size=20
            )
        )
    )
)

map.render_notebook()

在这里插入图片描述

Pyecharts亚马逊订单可视化
YPS的博客
05-17 1190
本文数据来源于亚马逊平台一服饰类卖家3个月的订单数据，这里用pyecharts做可视化展示。 导入数据并处理 import pandas as pd import numpy as np from pyecharts import options as opts from pyecharts.globals import ThemeType from pyecharts.charts import Line,Bar,Map,PictorialBar,Pie,WordCloud,Page from pyech
mysql+python+pyecharts电商数据分析
qq_33476409的博客
04-04 5053
数据来自天池数据集，淘宝2004年11月18日至12月18日用户行为数据，本文导入446000条数据到本地mysql用于分析。 数据下载地址：https://tianchi.aliyun.com/dataset/dataDetail?dataId=46 数据包括字段为user_id、item_id、behavior_type(1–点击，2–收藏，3–加购物车，4–支付)、user_geohash、...
订单可视化（智能制造、流程再造、企业信息化） 第四篇 技术方案的制定
weixin_34067102的博客
03-03 262
2019独角兽企业重金招聘Python工程师标准>>> ...
订单可视化（智能制造、流程再造、企业信息化） 第七篇 经营班子掌舵，业务与开发分离，走向成功必备条件...
weixin_34090562的博客
03-08 195
2019独角兽企业重金招聘Python工程师标准>>> ...
订单可视化（智能制造、流程再造、企业信息化） 第三篇 订单可视化定义及目标
知行合一
03-02 2470
定位：为中小型制造企业提供基于订单交付任务的流程化管理系统。
订单可视化（智能制造、流程再造、企业信息化） 第二篇 背景及问题提出
weixin_34032621的博客
03-02 228
2019独角兽企业重金招聘Python工程师标准>>> ...
数据可视化-基于Pyecharts制作电商销售数据可视化图表
04-22
在这个主题中，我们将深入探讨如何利用Python库Pyecharts来创建电商销售数据的可视化图表。Pyecharts是一个强大的工具，它允许开发者使用Python语法轻松地生成高质量的Echarts图表。 首先，让我们了解Echarts，它是...
python绘图pyecharts+pandas
热门推荐
qq_33511315的博客
08-22 9万+
pyecharts介绍 pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒 为避免绘制缺漏，建议全部安装 为了避免下载缓慢，作者全部使用镜像源下载过了 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ echarts-countries-pypkg pip install -i https://pypi.tuna.tsinghua.
Python数据分析与可视化项目电商优衣库门店可视化与顾客分组约500行pyecharts地图可视化KMeans聚类大屏可视化
最新发布
09-01
在当前的商业环境中，数据分析和可视化已经成为理解业务性能和做出明智决策的关键工具。本项目以优衣库门店为例，展示如何利用Python的强大数据处理能力和可视化库进行深入的数据探索。优衣库作为国际知名的快时尚...
Python数据分析与可视化项目电商类-母婴市场消费数据分析-约350行（pyecharts可视化、数据分析）.zip
07-10
该项目是关于使用Python进行母婴市场消费数据的分析与可视化，主要使用了数据分析工具和pyecharts库进行数据呈现。以下是对这个项目所涉及知识点的详细解释： 1. **Python编程基础**：Python是数据科学领域广泛使用...
共享出行订单数据可视化
LUFFY_HAT的专栏
08-18 2763
前言 越来越多的数据都是基于起始位置信息的，如外卖订单，从订单位置，到骑手位置，然后从骑手位置到商家位置，共享单车开锁点和关锁点、滴滴打车出发点和到达点，这些任意两点就构成了一条有向线，一般我们将起点称为O点，终点称为D点，O点和D点之间的关系分析，称为od分析，通过OD分析可以挖掘很多空间规律，形成有价值的分析结果，这里我们以一个共享汽车出行平台的OD订单点进行可视化的分析，并形成一些分析的成...
【python】python超市销售订单数据分析可视化（源码+数据集）【独一无二】
测试开发自动化
06-30 1552
某超市一周的销售订单数据文件SuperMarket_order.txt中共包含117条样本数据，每条样本数据包括订单编号、付款金额、订单状态、物品类别、购物方式、支付类别、付款人所在省份等7个信息。请利用Numpy、Pandas和Matploylib.pylot等模块，将画布进行2行3列布局，分别对付款金额（分为100以内、100-500和500以上三个类别）、订单状态、物品类别、购物方式、支付类别和付款人所在省份等6个信息进行统计分析，并将统计分析的结果依次可视化展示在画布的6个不同区域内，区域内所采用的
订单可视化（智能制造、流程再造、企业信息化） 第一篇 缘起
知行合一
03-01 1264
从我专业的角度来看：一、自己人开发相对可定制性要求高、可随时根据需求进行调整；二、自己人沟通起来更方便，熟悉业务，即使不熟悉业务，自己人沟通起来也相对没有隔阂；三、不用一起始投入大量资金，可以一边做一边看，如果太久没有成果，可以及时叫停，不用一次性将成本全部付出去；四、如果成功，对企业的提质牵增效会起到决定性的作用，对建设现代化智能制造、流程标准化个来具有革命性的作用；五、如果内部使用成功，可以向同类友商推广经验，当然这是后话。
天猫订单数据可视化分析
weixin_61663117的博客
07-14 927
在当前的电子商务环境中，淘宝作为中国最大的在线购物平台之一，对于各类商品的销售情况具有重要的参考价值。本文主要利用天猫某一月的订单数据做数据可视化分析。当然本文也只是对部分数据做了可视化分析，还有一部分没有做，读者可以根据自己的需求自行完善。本文数据可在公众号后台回复：“天猫订单数据” 获取。
数据可视化项目---订单分类占比图
liudachu的博客
11-03 886
效果如下 订单分类占比图—组件代码 <!--客源地图分布--> <template> <div class="com-container"> <div class="com-chart" ref="hot_ref"></div> <span class="iconfont arr-left" @click="toLeft" :style="comStyle">&#xe6ef;</s
电商在线订单分析与可视化
m0_53317797的博客
10-18 2952
对电商数据进行数据分析，数据集在资源
毕业设计：基于python商家订单数据分析可视化管理系统 美食订单 商家用户日志数据分析 Flask框架（源码）✅
十多年程序猿资深互联网人，目前专注于Python/Java/大数据项目解决方案制定，提供各行业各编程语言的全套开发服务，喜爱code，喜爱分享，生命不止，编码不息！
05-14 1002
毕业设计：基于python商家订单数据分析可视化管理系统 美食订单 商家用户日志数据分析 Flask框架（源码）✅
使用pyecharts进行数据可视化
Eric_data的博客
02-26 7288
使用pyecharts 1.5进行数据可视化安装 pip install pyecharts直接使用该命令安装的版本为最新版本为1.5。语法与之前版本大不一样，因此本文仅针对1.5及之后...
基于python商家订单数据分析可视化管理系统 商家用户日志数据分析 美食订单 Flask框架（源码）✅
q_3375686806的博客
05-15 836
基于python商家订单数据分析可视化管理系统 商家用户日志数据分析 美食订单 Flask框架（源码）✅
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值