import pandas as pd
import numpy as np
import collections as Counter
from datetime import datetime
df=pd.read_excel("D:\曾海峰\python零一课程\用Python自动生成数据日报！\销售数据明细.xlsx",
parse_dates=['销售日期'])
parse_dates将某一列解析为时间索引
df.head()#数据预览
df.info()#查看数据属性
查看数据属性，其中销售日期为日期类型，销量和销售额为数值类型，其他均为文本数据类型。
"""
计算指标
计算指标设定，设置本文需要计算的指标，指标计算如下：
收入=销量*销售额
单量=销量汇总
货品数=货品数去重
收入环比：本月收入/上月收入-1
单量环比：本月单量/上月单量-1
计算本月相关指标
首先选取本月的数据，本月截止到2021年12月25日的数据，分别计算本月截止12月25日收入、
本月截止12月25日单量、本月截止12月25日货品数。"""
the_month=df[(df['销售日期']>=datetime(2021,12,1))&(df["销售日期"]<=datetime(2021, 12,25))]
"""shouru1=(the_month['销量']*the_month['销售额']).sum()#本月截止12月25日收入
danliang1=the_month['销量'].sum()#本月截止12月25日单量
huopin1=the_month['货号'].unique()#本月截止12月25日货品数
list_huopin1=len(huopin1.tolist())
print("本月截止到12月25日收入为{:.2f}元,单量为{}个,货品数为{}个".format(shouru1,danliang1,list_huopin1))"""
"""计算上月相关指标
同时选取上月同期的数据，数据范围11月1日到11月25日的数据，分别计算上月同期的收入、上月同期的单量、上月同期的货品数。"""
last_month=df[(df['销售日期']>=datetime(2021,11,1))&(df["销售日期"]<=datetime(2021, 11,25))]
"""shouru2=(last_month['销量']*last_month['销售额']).sum()#本月截止12月25日收入
danliang2=last_month['销量'].sum()#本月截止11月25日单量
huopin2=last_month['货号'].unique()#本月截止11月25日货品数
list_huopin2=len(huopin2.tolist())
print("本月截止到11月25日收入为{:.2f}元,单量为{}个,货品数为{}个".format(shouru2,danliang2,list_huopin2))"""
"""利用函数进行封装
以上我们可以发现规律，计算本月的相关指标数据与计算上月同期的指标数据计算逻辑是一样的，除了数据选取的日期不一样，我们可以自定义一个函数，用于计算相关的数据指标，简化数据计算的流程。"""
def get_month_date(df):
shouru=(df['销量']*df['销售额']).sum()
danliang=df['销量'].sum()
huopin=df['货号'].nunique()
#list_huopin=len(huopin.tolist())
#return(shouru,danliang,list_huopin)
return(shouru,danliang,huopin)
shouru1,danliang1,
the_month=df[(df['销售日期']>=datetime(2021,12,1))&(df["销售日期"]<=datetime(2021, 12,25))]
shouru1,danliang1,huopin1=get_month_date(the_month)#计算本月数据指标
print("本月截止12月25日收入为{:.2f}元，单量为{}个，货品数为{}个".format(shouru1,danliang1,huopin1))
last_month=df[(df['销售日期']>=datetime(2021,11,1))&(df["销售日期"]<=datetime(2021, 11,25))]
shouru2,danliang2,huopin2=get_month_date(last_month)#计算本月数据指标
print("上月截止11月25日收入为{:.2f}元，单量为{}个，货品数为{}个".format(shouru2,danliang2,list_huopin2))
"""计算环比 构建一个DataFrame，填入具体的计算指标数值，计算环比数据。"""
ribao=pd.DataFrame([[shouru1,shouru2],
[danliang1,danliang2],
[huopin1,huopin2]],
columns=["本月","上月"],
index=['收入','单量','货品数'])
ribao['环比']=ribao['本月']/ribao['上月']-1
ribao['环比']=ribao['环比'].apply(lambda x:format(x,'.2%'))#数据小数转百分数，%2表示保留小数点后2位
ribao
""可以将具体的数据日报导出到本地。""
ribao.to_excel(r'C:\Users\liangfeng\Desktop\数据日报.xlsx',index=False)
计算每月的销售额、销量数据情况
计算每月的销售额、销售数据情况，使用groupby函数，同时aggregate函数自定义数值的计算方式，数据结果如下。
df['销售月份']=df['销售日期'].astype(str).str[0:7].str.replace('-','')
df_group=df.groupby("销售月份").aggregate({'销售额':'sum','销量':'sum'})
df_group=df.groupby("销售月份").aggregate({"销售额":"sum","销量":"sum"})
df_group
数据可视化
导入pyecharts库，制作组合图，由图像可以看出，截止21年12月25日数据，21年7月销量最高、12月销量最低、21年10月收入最高、2月收入最低。
from pyecharts import options as opts
from pyecharts.charts import Bar, Line
from pyecharts.faker import Faker
导入数据
v1 = df_group['销售额'].round(2).tolist()
v2 = df_group['销量'].tolist()
柱形图
bar = (Bar()
.add_xaxis(df_group.index.tolist())
.add_yaxis("销售额", v1 ,category_gap="60%",gap="10%") #设置柱形间隙宽度
.extend_axis(yaxis=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} 单"), min_=0,max_=1750))#设置次坐标轴坐标大小
.set_series_opts(label_opts=opts.LabelOpts(is_show=True))#显示数据标签
.set_global_opts(title_opts=opts.TitleOpts(title="21年每月销售额与销量情况"),
datazoom_opts=opts.DataZoomOpts(),#添加滚动条
yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} 元"),min_=0,max_=850000)))#设置主坐标轴坐标大小
折线图
line = Line().add_xaxis(df.index.tolist()).add_yaxis("销售量", v2, yaxis_index=1, is_smooth=True)
组合图
bar.overlap(line)
在线显示
bar.render_notebook() ###bar.render(r'C:\Users\尚天强\Desktop\销售日报.html')
