Python實現制作銷售數據可視化看板詳解

Posted on by

在數據時代，銷售數據分析的重要性已無需贅言。

隻有對銷售數據的準確分析我們才有可能找準數據變動(增長或下滑)的原因。

然後解決問題、發現新的增長點才會成為可能！

今天就給大傢介紹一個用Python制作銷售數據大屏的方法。

主要使用Python的Streamlit庫、Plotly庫、Pandas庫進行搭建。

其中Pandas處理數據，Plotly制作可視化圖表，Streamlit搭建可視化頁面。

對於以上三個庫，Streamlit庫可能大傢會比較陌生，我簡單介紹一下。

Streamlit是一個完全免費的開源應用程序框架，它能幫你不用懂得復雜的HTML，CSS等前端技術就能快速做出來一個炫酷的Web頁面。

1. 數據

使用的數據是虛構數據，某超市2021年銷售訂單數據，共有1000條的訂單數據。

城市有三個，分別為北京、上海、杭州。顧客類型有兩種，為會員和普通。顧客性別為男性和女性。

剩下還包含訂單編號、商品類型、單價、數量、總價、日期、時間、支付方式、成本、毛利率、總收入、評分等信息。

通用Pandas的read_excel方法讀取數據。

跳過前3行，選取B到R列，1000行數據。

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,
    )
    # 添加小時列數據
    df["小時"] = pd.to_datetime(df["時間"], format="%H:%M:%S").dt.hour
    return df

df = get_data_from_excel()
print(df)

成功讀取數據，結果如下。

下面便可以來編寫頁面瞭。

2. 網頁標題和圖標

我們都知道當瀏覽器打開一個網頁，會有標題和圖標。

所以我們需先設置本次網頁的名稱、圖標、佈局等。

這也是使用Streamlit搭建頁面，使用的第一個Streamlit命令，並且隻能設置一次。

# 設置網頁信息 
st.set_page_config(page_title="銷售數據大屏", page_icon=":bar_chart:", layout="wide")

其中page_icon參數可以使用表情符號代碼來顯示圖標。

妥妥的表情符號代碼大全！

3. 側邊欄和多選框

st.sidebar(側邊欄)，每個傳遞給st.sidebar的元素都會被固定在左邊，讓用戶可以專註於主頁中的內容。

multiselect(多選框)是一個交互性的部件，可以通過它進行數據篩選。

# 側邊欄
st.sidebar.header("請在這裡篩選:")
city = st.sidebar.multiselect(
    "選擇城市:",
    options=df["城市"].unique(),
    default=df["城市"].unique()
)

customer_type = st.sidebar.multiselect(
    "選擇顧客類型:",
    options=df["顧客類型"].unique(),
    default=df["顧客類型"].unique(),
)

gender = st.sidebar.multiselect(
    "選擇性別:",
    options=df["性別"].unique(),
    default=df["性別"].unique()
)

df_selection = df.query(
    "城市 == @city & 顧客類型 ==@customer_type & 性別 == @gender"
)

結合Pandas的query查詢，就能對數據進行過濾。

通過上述代碼就搭建成功瞭，如下圖左側。

點擊側邊欄的右上角關閉符號，側邊欄即可隱藏。

網頁將會展示主頁面。

4. 主頁面信息

接下來編寫主頁面信息，包含主頁標題、銷售總額、平均評分、平均銷售額信息。

和網頁的圖標一樣，通過表情符號代碼實現。

# 主頁面
st.title(":bar_chart: 銷售數據大屏")
st.markdown("##")

# 核心指標, 銷售總額、平均評分、星級、平均銷售額數據
total_sales = int(df_selection["總價"].sum())
average_rating = round(df_selection["評分"].mean(), 1)
star_rating = ":star:" * int(round(average_rating, 0))
average_sale_by_transaction = round(df_selection["總價"].mean(), 2)


# 3列佈局
left_column, middle_column, right_column = st.columns(3)

# 添加相關信息
with left_column:
    st.subheader("銷售總額:")
    st.subheader(f"RMB {total_sales:,}")
with middle_column:
    st.subheader("平均評分:")
    st.subheader(f"{average_rating} {star_rating}")
with right_column:
    st.subheader("平均銷售額:")
    st.subheader(f"RMB {average_sale_by_transaction}")

# 分隔符
st.markdown("""---""")

完成核心指標數據的處理，並將其進行佈局顯示。

5. 主頁面圖表

包含瞭兩個圖表，一個是每小時銷售額，一個是各類商品銷售總額。通過Plotly Express完成圖表的繪制。

Plotly Express是一個新的高級Python可視化庫，是Plotly.py的高級封裝，它為復雜的圖表提供瞭一個簡單的語法。

受Seaborn和ggplot2的啟發，它專門設計為具有簡潔，一致且易於學習的API。隻需一次導入，就可以在一個函數調用中創建豐富的交互式繪圖。

# 各類商品銷售情況(柱狀圖)
sales_by_product_line = (
    df_selection.groupby(by=["商品類型"]).sum()[["總價"]].sort_values(by="總價")
)
fig_product_sales = px.bar(
    sales_by_product_line,
    x="總價",
    y=sales_by_product_line.index,
    orientation="h",
    title="<b>每種商品銷售總額</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))
)

# 每小時銷售情況(柱狀圖)
sales_by_hour = df_selection.groupby(by=["小時"]).sum()[["總價"]]
print(sales_by_hour.index)
fig_hourly_sales = px.bar(
    sales_by_hour,
    x=sales_by_hour.index,
    y="總價",
    title="<b>每小時銷售總額</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)

添加數據，設置圖表配置，以及網頁佈局。

得到結果如下。

6. 隱藏部件

當我們通過Streamlit搭建一個界面，默認就會有紅線、菜單、結尾的”Make with Streamlit”。

為瞭美觀，這裡可以將它們都隱藏掉。

# 隱藏streamlit默認格式信息
hide_st_style = """
            <style>
            #MainMenu {visibility: hidden;}
            footer {visibility: hidden;}
            header {visibility: hidden;}
            </style>
            """

st.markdown(hide_st_style, unsafe_allow_html=True)

這樣一個可交互的銷售數據看板，就完成搭建啦！

# 安裝依賴庫
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple plotly==4.14.3
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas==1.1.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple streamlit==0.86.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openpyxl==3.0.6

# 運行
streamlit run app.py

安裝相關依賴，命令行終端運行程序。 

以上就是Python實現制作銷售數據可視化看板詳解的詳細內容，更多關於Python 數據可視化的資料請關註WalkonNet其它相關文章！

推薦閱讀：