pandas 快速生成销售报告

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》。

在日常的销售分析或运营数据处理中，我们经常需要从一份原始的明细表中快速生成汇总报告，例如：

每个区域每月的销售额
缺失值如何合理补齐
最后按照销售表现排序输出

这些操作在 pandas 中非常常见，而今天这篇文章将带你用三个方法一口气搞定：

pivot_table() —— 生成透视汇总表
fillna() —— 补齐空缺数据
sort_values() —— 排序输出结果

你会发现，用 pandas 写报表，不仅简单，还很优雅。

数据与需求

我们有一份销售明细表，记录了各销售员在不同地区、不同月份的销售额。

下面是样例数据（用字符串形式读取）：

import pandas as pd
from io import StringIO

data = StringIO("""
salesman,region,month,sales
Alice,East,Jan,1200
Alice,East,Feb,1100
Bob,West,Jan,900
Bob,West,Mar,1500
Charlie,North,Feb,800
Charlie,North,Mar,NaN
""")

df = pd.read_csv(data)

需求描述：

我们希望生成一个 按地区和月份汇总的销售透视表，每个格子表示该地区当月的总销售额。
同时：

如果某地区某月没有销售额，则用 0 填充。
计算每个地区的 总销售额 并按从高到低排序。

最终结果应类似如下表格：

region	Jan	Feb	Mar	total
East	1200	1100	0	2300
West	900	0	1500	2400
North	0	800	0	800

思路

思路如下：

使用 pivot_table() 将原始明细转成“地区 × 月份”的透视表，汇总销售额。
用 fillna(0) 填补缺失月份的销售额。
新增一列 total 计算各地区的销售总额。
使用 sort_values() 对结果按总销售额降序排列。

参考代码

代码如下：

result = (
    df
    .pivot_table(index='region', columns='month', values='sales', aggfunc='sum')
    .fillna(0)
    .assign(total=lambda x: x.sum(axis=1))
    .sort_values('total', ascending=False)
    .reset_index()
)

print(result)

输出结果：

month  region     Feb     Jan     Mar   total
0        West    0.0   900.0  1500.0  2400.0
1        East  1100.0  1200.0     0.0  2300.0
2       North   800.0     0.0     0.0   800.0

代码分析：

.pivot_table()：按 region 分组，对每个月 sales 求和，生成透视结构。
.fillna(0)：替换 NaN 为 0，避免空值干扰汇总。
.assign(total=lambda x: x.sum(axis=1))：横向求和得到总销售额列。
.sort_values('total', ascending=False)：按总额降序排列，便于发现表现最好的地区。

这类数据透视汇总在销售、库存、绩效分析等场景中极其常见，也是 pandas 最具代表性的应用之一。

（完）

pandas 快速生成销售报告

数据与需求

思路

参考代码

相关内容