pandas习题 217：统计月度销售数据周期分析

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》。

（编码题）给定某公司2023年的销售数据，要求使用 pd.Period() 进行月度销售周期分析。源数据如下：

import pandas as pd
import numpy as np

np.random.seed(42)
dates = pd.date_range('2023-01-01', '2023-12-31', freq='D')
sales = np.random.randint(1000, 5000, size=len(dates))

df = pd.DataFrame({'date': dates, 'daily_sales': sales})
print("原始数据前5行:")
print(df.head())
print(f"\n数据形状: {df.shape}")

输出结果：

原始数据前5行:
        date  daily_sales
0 2023-01-01         4095
1 2023-01-02         4973
2 2023-01-03         2681
3 2023-01-04         4753
4 2023-01-05         3532

数据形状: (365, 2)

具体要求：

创建新列 'month_period'，将日期转换为月度周期对象
按月度周期分组计算每月销售总额
计算每个月的销售天数
找出销售额最高和最低的月份

参考答案

代码如下：

import pandas as pd
import numpy as np

np.random.seed(42)
dates = pd.date_range('2023-01-01', '2023-12-31', freq='D')
sales = np.random.randint(1000, 5000, size=len(dates))
df = pd.DataFrame({'date': dates, 'daily_sales': sales})

# 转换和计算
df['month_period'] = df['date'].dt.to_period('M')

# 月度汇总
monthly_sales = df.groupby('month_period').agg(
    total_sales=('daily_sales', 'sum'),
    sales_days=('daily_sales', 'count')
).reset_index()

# 找出销售额最高和最低的月份
max_sales_month = (
    monthly_sales
    .loc[monthly_sales['total_sales']
    .idxmax()]
)
min_sales_month = (
    monthly_sales
    .loc[monthly_sales['total_sales']
    .idxmin()]
)

输出结果：

print("月度销售汇总:")
print(monthly_sales)
print(f"\n销售额最高的月份: {max_sales_month['month_period']} (销售额: {max_sales_month['total_sales']:,})")
print(f"销售额最低的月份: {min_sales_month['month_period']} (销售额: {min_sales_month['total_sales']:,})")

输出结果：

月度销售汇总:
   month_period  total_sales  sales_days
0        2023-01        94531          31
1        2023-02        85131          28
2        2023-03       103044          31
3        2023-04        98739          30
4        2023-05       103148          31
5        2023-06        99217          30
6        2023-07       105992          31
7        2023-08       104559          31
8        2023-09       100804          30
9        2023-10       105699          31
10       2023-11       101673          30
11       2023-12       106812          31

销售额最高的月份: 2023-12 (销售额: 106,812)
销售额最低的月份: 2023-02 (销售额: 85,131)

答案解析

参考代码的逻辑思路：

使用 dt.to_period('M') 将日期转换为月度周期对象，便于按月份分组
使用 groupby() 按月度周期分组，agg() 方法同时计算销售总额和销售天数
total_sales 使用 sum() 聚合函数计算每月销售总额
sales_days 使用 count() 聚合函数统计每月的销售天数
使用 idxmax() 和 idxmin() 快速找到销售额最高和最低的月份索引
通过 loc[] 方法获取对应的月份详细信息

这种处理方式非常适合实际的业务数据分析场景，能够快速生成月度销售报告，识别销售趋势，为决策提供数据支持。pd.Period() 的使用让时间周期的处理变得简单而高效。

（完）

pandas习题 217：统计月度销售数据周期分析

参考答案

答案解析

相关内容