pandas 按季度分析销售数据

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在时间序列数据分析中，我们经常需要按不同的时间周期（如季度、月度、周度）进行数据聚合和分析。pandas 提供了强大的 PeriodIndex 功能，专门用于处理这种基于周期的时间数据。通过本案例，你将学习如何使用 PeriodIndex 将时间戳数据转换为周期数据，并进行高效的周期级聚合分析，这对于财务报告、销售趋势分析等场景特别有用。

数据与需求

假设我们有一份零售商店的每日销售数据，包含销售日期和销售额。我们需要分析2023年每个季度的销售表现，并计算季度的环比增长率。

原始数据如下：

import pandas as pd
import numpy as np
from io import StringIO

data = """
date,amount
2023-01-05,1500
2023-01-12,2000
2023-01-18,1200
2023-02-03,3000
2023-02-14,1800
2023-02-22,2800
2023-03-05,2500
2023-03-10,1700
2023-03-15,1900
2023-03-20,2100
2023-03-25,2400
2023-04-02,2200
2023-04-10,2600
2023-04-18,3100
2023-05-03,2900
2023-05-15,3300
2023-05-22,2700
2023-06-05,3500
2023-06-12,3800
2023-06-20,4200
2023-07-08,3900
2023-07-16,4100
2023-07-25,3700
2023-08-03,4300
2023-08-11,4500
2023-08-19,4800
2023-09-05,5200
2023-09-14,5500
2023-09-22,5100
2023-10-04,4900
2023-10-12,5300
2023-10-20,5700
2023-11-03,6100
2023-11-11,5900
2023-11-19,6300
2023-12-05,6700
2023-12-13,7100
2023-12-21,6900
"""

df = pd.read_csv(StringIO(data))
df['date'] = pd.to_datetime(df['date'])
df
# ...

期望输出每个季度的总销售额，以及相对于前一个季度的环比增长率。

思路

解决这个需求需要以下几个步骤：

将日期转换为季度周期（使用 PeriodIndex）
按季度周期分组并计算每个季度的销售总额
计算环比增长率（当前季度/上一季度 - 1）
格式化输出结果，包含季度、销售额和增长率

参考代码

代码如下：

# 使用链式方法一次性完成所有操作
(
    df
    # 创建季度周期索引
    .assign(quarter=lambda x: pd.PeriodIndex(x['date'], freq='Q'))
    # 按季度分组并计算总销售额
    .groupby('quarter')
    .agg(quarterly_sales=('amount', 'sum'))
    # 计算环比增长率
    .assign(qoq_growth=lambda x: x['quarterly_sales'].pct_change() * 100)
    # 格式化增长率显示为百分比
    .assign(qoq_growth=lambda x: x['qoq_growth'].round(2))
    # 重置索引使季度成为一列
    .reset_index()
    # 重命名列
    .rename(columns={'quarter': '季度', 
                  'quarterly_sales': '季度销售额',
                  'qoq_growth': '环比增长(%)'})
)
'''
   季度  季度销售额  环比增长(%)
0  2023Q1  22900      NaN
1  2023Q2  28300    23.58
2  2023Q3  41100    45.23
3  2023Q4  54900    33.58
'''

代码分析：

使用 assign() 和 pd.PeriodIndex() 将日期转换为季度周期数据，freq='Q' 表示季度频率
使用 groupby() 按季度分组并计算每个季度的销售总额
使用 pct_change() 方法计算环比增长率，并转换为百分比形式
使用 round() 方法保留两位小数，使数据显示更整洁
最后重置索引并重命名列，使输出结果更易读

这种方法展示了 PeriodIndex 在处理周期数据时的强大功能，特别适合财务季度报告、季节性趋势分析等场景。通过将时间戳转换为周期数据，我们可以更自然地进行周期级的聚合和分析。

（完）

pandas 按季度分析销售数据

数据与需求

思路

参考代码

相关内容