跳轉至
第 5 章 · pandas

小專案: 銷售資料分析

⏱️ 90 分鐘 📖 互動式 🎯 資料分析

🎯 專案目標

用模擬的 1 萬筆電商銷售資料做完整分析:

  • 讀 CSV → 清理 → groupby → 視覺化

📥 模擬資料

import pandas as pd
import numpy as np

np.random.seed(42)
n = 10000
df = pd.DataFrame({
    "order_id": range(n),
    "date": pd.date_range("2025-01-01", periods=n, freq="30min"),
    "product": np.random.choice(["筆電", "手機", "耳機", "平板"], n),
    "price": np.random.randint(500, 50000, n),
    "quantity": np.random.randint(1, 5, n),
})
df["revenue"] = df["price"] * df["quantity"]
df.to_csv("sales.csv", index=False, encoding="utf-8")

📊 分析問題

  1. 各產品總營收?
  2. 月營收趨勢?
  3. 哪天賣最好?
  4. 平均客單價?
  5. 高單價產品分布?

💻 完整分析

df = pd.read_csv("sales.csv", parse_dates=["date"])

# 1. 各產品營收
print(df.groupby("product")["revenue"].sum().sort_values(ascending=False))

# 2. 月營收
df["month"] = df["date"].dt.to_period("M")
print(df.groupby("month")["revenue"].sum())

# 3. 哪一天賣最好
best_day = df.groupby(df["date"].dt.date)["revenue"].sum().idxmax()
print(f"Best day: {best_day}")

# 4. 平均客單價
print(f"客單價平均: NT${df.groupby('order_id')['revenue'].sum().mean():.0f}")

# 5. 高單價產品(> 30000)
print(df[df["price"] > 30000]["product"].value_counts())

📈 視覺化

import matplotlib.pyplot as plt

# 月營收趨勢
monthly = df.groupby("month")["revenue"].sum()
monthly.plot(kind="line", marker="o", figsize=(10, 5))
plt.title("月營收趨勢")
plt.ylabel("NT$")
plt.grid(True, alpha=0.3)
plt.show()

# 產品圓餅圖
df.groupby("product")["revenue"].sum().plot.pie(autopct="%1.1f%%")
plt.title("產品營收占比")
plt.show()

🚀 挑戰版

  1. RFM 分析
  2. 產品交叉銷售分析
  3. 預測下月營收