5. 端到端案例：迷你销售分析报告
现在，是时候将我们前面学到的所有知识——NumPy 的计算、Pandas 的数据处理和 Matplotlib 的可视化——串联起来，解决一个真实的（尽管是简化的）商业问题了。本章将带你走完一个从原始数据到最终洞察的完整流程。
本章，你将实践：
- 定义问题: 将一个模糊的业务需求转化为清晰的数据分析目标。
- 数据准备: 加载、清洗（处理重复值）、转换和特征工程。
-
深度聚合分析: 使用
groupby和agg从数据中提取多维度关键指标。 - 结果呈现: 用合适的图表（如子图仪表盘）将分析结果可视化，并得出结论。
温馨提示
配套资源：本章案例可以通过链接 —— 练习 Notebook 下载。这样你就能一步步复现完整的案例。
场景：线上零售店的月度复盘
业务背景: 假设你是一家小型线上零售店的数据分析师。老板想了解第一季度的整体销售情况，并找出哪些产品类别和具体产品最受欢迎，以便为下一个季度的备货和营销活动提供数据支持。
分析目标:
- 计算并展示每月的总销售额趋势。
- 分析各产品类别的销售表现（从销售额、销量和订单数三个维度）。
- 找出总销售额最高的 Top 3 产品是什么。
这个流程体现了数据分析的核心循环：加载数据 → 清洗与准备 → 分析与聚合 → 可视化与解读。
准备工作
和之前一样，我们首先需要导入三大核心库。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 设置 Matplotlib 样式和中文字体（如果需要）
plt.style.use('seaborn-v0_8-whitegrid')
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
# plt.rcParams['font.sans-serif'] = ['SimHei'] # 可选：为中文显示指定字体
第一步：加载与清洗数据 (Pandas)
为了让案例更真实，我们的模拟数据包含了一些“不干净”的成分，比如重复的行。在分析之前，必须先将它们处理掉。
# 模拟的原始销售数据（包含一个完全重复的行 O014）
data = {
'OrderID': ['O001', 'O002', 'O003', 'O004', 'O005', 'O006', 'O007', 'O008', 'O009', 'O010', 'O011', 'O012', 'O013', 'O014', 'O014'],
'Date': ['2023-01-15', '2023-01-20', '2023-02-05', '2023-02-12', '2023-02-21', '2023-03-04', '2023-03-10', '2023-03-18', '2023-03-25', '2023-01-28', '2023-02-15', '2023-03-22', '2023-01-25', '2023-03-30', '2023-03-30'],
'Category': ['电子产品', '家居用品', '电子产品', '图书', '家居用品', '电子产品', '图书', '电子产品', '家居用品', '图书', '图书', '家居用品', '电子产品', '电子产品', '电子产品'],
'Product': ['笔记本电脑', '咖啡机', '无线鼠标', '数据分析入门', '智能台灯', '键盘', 'Python编程', '显示器', '储物盒', '机器学习实战', 'Web开发', '香薰机', '游戏手柄', '充电宝', '充电宝'],
'Price': [7000, 800, 150, 60, 200, 450, 70, 2000, 80, 80, 55, 150, 300, 120, 120],
'Quantity': [1, 2, 5, 10, 3, 2, 8, 1, 15, 6, 9, 2, 2, 1, 1]
}
sales_df = pd.DataFrame(data)
# --- 数据清洗 ---
# 1. 检视数据，特别是检查重复行
print(f"清洗前的数据行数: {len(sales_df)}")
duplicate_count = sales_df.duplicated().sum()
print(f"存在 {duplicate_count} 个完全重复的行。")
# 2. 删除重复行，这是保证数据质量的关键一步
sales_df = sales_df.drop_duplicates().reset_index(drop=True)
print(f"清洗后的数据行数: {len(sales_df)}")
# --- 数据准备 ---
# 3. 转换 Date 列为日期时间类型，以便按时间分析
sales_df['Date'] = pd.to_datetime(sales_df['Date'])
# 4. 创建一个新的 'Month' 列（特征工程），用于后续按月分组
sales_df['Month'] = sales_df['Date'].dt.month
# 5. 计算每笔订单的总销售额（特征工程）
sales_df['TotalSale'] = sales_df['Price'] * sales_df['Quantity']
# 再次检视处理后的数据
print("\n--- 清洗和准备后的数据预览 ---")
print(sales_df.head())
第二步：聚合与深度分析 (Pandas groupby & agg)
数据干净后，我们就可以开始回答业务问题了。这次我们使用 .agg() 方法，它可以同时计算多个聚合指标，让分析更高效、更全面。
分析 1：计算月度销售总额
# 按 'Month' 分组，并计算每个月的 'TotalSale' 总和
monthly_sales = sales_df.groupby('Month', as_index=False)['TotalSale'].sum()
# 为了让图表横坐标更有序且易读，我们将月份数字转换为名称
month_map = {1: '一月', 2: '二月', 3: '三月'}
monthly_sales['MonthName'] = monthly_sales['Month'].map(month_map)
monthly_sales = monthly_sales.sort_values('Month').reset_index(drop=True)
print("--- 月度销售总额 ---")
print(monthly_sales)
分析 2：计算各类别多维度表现
一个品类是否“好”，不能只看销售额。我们还应该关注它的总销量和订单数，这能提供更丰富的视角。
# 按 'Category' 分组，一次性计算总销售额、总销量和总订单数
category_analysis = (
sales_df.groupby('Category')
.agg(
TotalRevenue=('TotalSale', 'sum'),
TotalQuantity=('Quantity', 'sum'),
OrderCount=('OrderID', 'nunique')
)
.sort_values(by='TotalRevenue', ascending=False)
)
print("\n--- 各类别销售表现 ---")
print(category_analysis)
分析 3：找出最畅销的产品
在品类之下，具体是哪个产品最受欢迎？这对于精准备货至关重要。
# 按 'Product' 分组，计算每个产品的总销售额，并排序
product_sales = sales_df.groupby('Product')['TotalSale'].sum().sort_values(ascending=False)
# 选出 Top 3
top_3_products = product_sales.head(3)
print("\n--- 销售额 Top 3 产品 ---")
print(top_3_products)
第三步：可视化呈现 (Matplotlib)
现在，我们将上面三步的分析结果用一个“仪表盘”清晰地展示出来。使用 plt.subplots 创建一个包含多个子图的画布是制作这类报告的常用技巧。
# 创建一个 1x3 的子图网格，用于展示我们的仪表盘
fig, axes = plt.subplots(1, 3, figsize=(18, 5))
# --- 可视化 1：月度销售趋势（折线图）---
axes[0].plot(monthly_sales['MonthName'], monthly_sales['TotalSale'], marker='o', linestyle='-', color='#1f77b4')
axes[0].set_title('1. 月度销售趋势', fontsize=14)
axes[0].set_ylabel('总销售额 (元)')
# --- 可视化 2：各类别销售额（柱状图）---
bars = axes[1].bar(category_analysis.index, category_analysis['TotalRevenue'], color=['#ff7f0e', '#2ca02c', '#d62728'])
axes[1].set_title('2. 各类别销售额对比', fontsize=14)
# 在柱顶添加数值标签，以增强可读性
for bar in bars:
yval = bar.get_height()
axes[1].text(bar.get_x() + bar.get_width()/2.0, yval, f'{int(yval)}', va='bottom', ha='center')
# --- 可视化 3：Top 3 畅销产品（水平柱状图）---
# 水平柱状图更适合展示名称较长的类别
axes[2].barh(top_3_products.index, top_3_products.values, color=['#9467bd', '#8c564b', '#e377c2'])
axes[2].set_title('3. Top 3 畅销产品', fontsize=14)
axes[2].invert_yaxis() # 将销售额最高的产品放在最上面
axes[2].set_xlabel('总销售额 (元)')
# 统一调整布局，并添加总标题
fig.suptitle('第一季度销售分析报告', fontsize=20)
fig.tight_layout(rect=[0, 0, 1, 0.95]) # 调整布局，为总标题留出空间
# 显示图表
plt.show()
第四步：结论与洞察
根据我们的深度分析和可视化结果，我们可以向老板汇报：
- 销售趋势：第一季度的销售额在二月份达到顶峰，一月和三月较为平稳。二月的增长值得深入研究。
- 品类表现：“电子产品”是绝对的销售主力，贡献了超过 80% 的销售额。然而，从订单数量上看，“家居用品”和“图书”的订单数并不少，说明它们虽然单价低，但依然有稳定的客户群。
- 明星产品：在所有产品中，“笔记本电脑”以 7000 元的销售额一骑绝尘，是核心中的核心。“显示器”和“咖啡机”紧随其后，是第二梯队的重要产品。
建议：
- 核心业务：必须保证“笔记本电脑”和“显示器”等高价值电子产品的库存，它们是收入的基石。
- 潜力挖掘：可以考虑对“家居用品”和“图书”品类进行捆绑销售或促销活动，以提高这两个品类的客单价。
- 精准营销：针对“咖啡机”这类热销单品，可以开展精准的营销推广。
实践小结: 恭喜你！你已经成功地走完了一个更真实、更深入的数据分析流程。这个案例展示了如何通过数据清洗保证分析质量，如何通过多维度聚合获得更深刻的洞察，以及如何通过组合图表讲述一个完整的数据故事。这是数据分析工作的核心价值所在。接下来的章节，我们将为你提供一些常见问题的解决方案、学习资源和后续的练习建议。