pandas 搞定销售数据汇总与指标计算

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》。

在数据分析工作中，我们经常会面对一类复杂的业务需求：既要按多个维度汇总数据，又要计算各种衍生指标，比如转化率、平均值、占比等。这类需求如果用 SQL 往往需要多次聚合和子查询，但在 pandas 中，我们可以借助 groupby()、pivot_table() 和 assign() 三个强大的函数链式完成。
本篇博文将通过一个销售场景案例，带你体会 pandas 的高效与优雅。

数据与需求：

我们有一份电商平台的销售记录数据，每条记录包含以下信息：

日期：销售日期
店铺：店铺名称
商品：商品名称
销量：售出数量
销售额：销售金额
访客数：当天访问店铺的人数

我们的目标是：

统计每个店铺每天的销售总额与销量；
计算各店铺的平均客单价（=销售额/销量）；
将结果透视成日期为行、店铺为列的销售额表格；
最终得到既有透视表又有额外指标的一份分析结果。

源数据如下：

import pandas as pd
from io import StringIO

data = StringIO("""
日期,店铺,商品,销量,销售额,访客数
2025-10-01,天猫旗舰店,A商品,10,1200,200
2025-10-01,天猫旗舰店,B商品,6,720,200
2025-10-01,京东自营,A商品,8,960,150
2025-10-01,京东自营,C商品,5,750,150
2025-10-02,天猫旗舰店,A商品,12,1440,220
2025-10-02,京东自营,A商品,7,840,160
2025-10-02,京东自营,C商品,4,600,160
""")

df = pd.read_csv(data, parse_dates=['日期'])

我们希望最终得到的结果是这样的：

日期	店铺	销量	销售额	平均客单价
2025-10-01	天猫旗舰店	16	1920	120.00
2025-10-01	京东自营	13	1710	131.54
2025-10-02	天猫旗舰店	12	1440	120.00
2025-10-02	京东自营	11	1440	130.91

并且，还能生成一个透视表如下（销售额为指标）：

日期	天猫旗舰店	京东自营
2025-10-01	1920	1710
2025-10-02	1440	1440

思路

思路如下：

首先用 groupby(['日期', '店铺']) 对销量与销售额求和，得到基础汇总表；
使用 assign() 新增一列计算平均客单价；
利用 pivot_table() 生成销售额透视表（行是日期，列是店铺）；
两个结果既可以单独展示，也可以整合成完整分析报告。

参考代码

代码如下：

result = (
    df.groupby(['日期', '店铺'], as_index=False)[['销量', '销售额']]
      .sum()
      .assign(平均客单价=lambda x: (x['销售额'] / x['销量']).round(2))
)

pivot = (
    df.pivot_table(index='日期',
                   columns='店铺',
                   values='销售额',
                   aggfunc='sum')
      .fillna(0)
      .astype(int)
)

print("=== 汇总表 ===")
print(result)
print("\n=== 销售额透视表 ===")
print(pivot)

代码分析：

groupby(...).sum()：按日期、店铺分组汇总销量和销售额；
assign()：新增计算列，直接在链式调用中完成，无需额外变量；
pivot_table()：快速生成交叉汇总表，方便进一步可视化或导出；
整个流程纯链式、无中间变量污染，逻辑清晰、可读性高。

（完）

pandas 搞定销售数据汇总与指标计算

数据与需求：

思路

参考代码

相关内容