新手也能上手的 Python 数据分析与可视化教程：从 Excel 到图表一步步教你做代码操作可视化图表

python --version

conda list

# 如果还没有安装 pandas、matplotlib、seaborn，可以手动安装：
conda install pandas matplotlib seaborn openpyxl -y

jupyter notebook

import pandas as pd       # 数据处理
import numpy as np        # 数值计算（可选）
import matplotlib.pyplot as plt  # 基础可视化
import seaborn as sns     # 进一步美化可视化（可选）

# 让绘图结果直接在 Notebook 中显示
%matplotlib inline

# 设置更美观的 Seaborn 样式（可选）
sns.set_style("whitegrid")

# 读取 Excel 中第一个 sheet（默认是第一个）到 DataFrame
file_path = "company_sales.xlsx"   # 如果 Notebook 与 Excel 文件在同一目录
df = pd.read_excel(file_path)

# 如果你的文件有多个 sheet，可以通过 sheet_name 参数指定
# df = pd.read_excel(file_path, sheet_name="Sheet1")

# 查看前 5 行数据
df.head()

# 查看数据维度（行数、列数）
df.shape

# 查看各列的数据类型与是否存在缺失值
df.info()

# 查看数值型列的描述性统计
df.describe()

# 查看是否有缺失值统计
df.isnull().sum()

df = pd.read_excel(file_path, dtype={"销售数量": int, "单价（元）": float})
df = pd.read_excel(file_path, parse_dates=["月份"])

# 先统计各列缺失值数量（已在上文执行过）
df.isnull().sum()

df_dropna = df.dropna(axis=0, how="any")  # 删除任意列有缺失值的行

# 示例：用平均值填充“销售数量”中的缺失值
mean_qty = df["销售数量"].mean()
df["销售数量"].fillna(mean_qty, inplace=True)

# 用“未知”填充“地区”缺失值
df["地区"].fillna("未知", inplace=True)

# 例如：按“产品类别”分组，用每类的平均“单价（元）”填充该类的缺失值
df["单价（元)"] = df.groupby("产品类别")["单价（元)"].apply(lambda x: x.fillna(x.mean()))

df.sort_values("月份", inplace=True)
df["销售额（元）"].fillna(method="ffill", inplace=True)  # 前向填充
df["销售额（元）"].fillna(method="bfill", inplace=True)  # 后向填充

# 假设目前列名是 ["月份", "地区", "产品类别", "销售数量", "单价（元)", "销售额（元)"]
# 我们将其重命名为: Month, Region, Category, Quantity, UnitPrice, SalesAmount
df.rename(columns={
    "月份": "Month",
    "地区": "Region",
    "产品类别": "Category",
    "销售数量": "Quantity",
    "单价（元)": "UnitPrice",
    "销售额（元)": "SalesAmount"
}, inplace=True)

# 再次查看：
df.head()

# 假设 Month 列类型为字符串 "2024-01", "2024-02"。先将其转换为 datetime 类型：
df["Month"] = pd.to_datetime(df["Month"], format="%Y-%m")

# 筛选出 2024 年的数据
df_2024 = df[df["Month"].dt.year == 2024]

# 筛选出“华东”地区的所有记录
df_huadong = df[df["Region"] == "华东"]

# 举例：如果“UnitPrice” 列是字符串，如 "¥50.00" 或 "1,200"：
df["UnitPrice"] = df["UnitPrice"].astype(str).str.replace("¥", "").str.replace(",", "").astype(float)

df["Region"] = df["Region"].astype("category")
df["Category"] = df["Category"].astype("category")

df["SalesAmount"] = df["Quantity"] * df["UnitPrice"]

df["Year"] = df["Month"].dt.year
df["MonthNum"] = df["Month"].dt.month
df["Quarter"] = df["Month"].dt.to_period("Q")

# 按 Region 分组，计算月度销售额的累计和
df["CumulativeSales"] = df.groupby("Region")["SalesAmount"].cumsum()

# 计算销售额的 3 个月移动平均值
df["Rolling3Months_Sales"] = df.groupby("Region")["SalesAmount"].transform(lambda x: x.rolling(window=3, min_periods=1).mean())

# 全局统计：查看所有数值列的均值、总和、最小值、最大值等
df.describe()

# 单列统计：计算“SalesAmount”总和、均值、中位数、最大/最小
total_sales = df["SalesAmount"].sum()
mean_sales = df["SalesAmount"].mean()
median_sales = df["SalesAmount"].median()
max_sales = df["SalesAmount"].max()
min_sales = df["SalesAmount"].min()

print(f"总销售额：{total_sales:.2f} 元")
print(f"平均销售额：{mean_sales:.2f} 元")
print(f"中位数销售额：{median_sales:.2f} 元")
print(f"最高单条记录销售额：{max_sales:.2f} 元")
print(f"最低单条记录销售额：{min_sales:.2f} 元")

# 按 Region 分组，聚合计算
sales_by_region = df.groupby("Region")["SalesAmount"].agg(["sum", "mean", "count"]).reset_index()

# 重命名列，方便阅读
sales_by_region.rename(columns={
    "sum": "TotalSales",
    "mean": "AvgSales",
    "count": "RecordCount"
}, inplace=True)

sales_by_region

agg_dict = {
    "Quantity": ["sum", "mean"],
    "SalesAmount": ["sum", "mean"]
}
grouped = df.groupby("Region").agg(agg_dict)
# 默认结果会出现多层列索引（MultiIndex），可手动平铺列名：
grouped.columns = ["_".join(col) for col in grouped.columns]
grouped = grouped.reset_index()
grouped

pivot = pd.pivot_table(
    df,
    values="SalesAmount",
    index="Region",
    columns="Category",
    aggfunc="sum",
    fill_value=0  # 如果某个“Region+Category”组合缺失，用 0 填充
).reset_index()

pivot

pivot2 = pd.pivot_table(
    df,
    values=["Quantity", "SalesAmount"],
    index="Region",
    columns="Category",
    aggfunc={"Quantity": "sum", "SalesAmount": "mean"},
    fill_value=0
)

import matplotlib.pyplot as plt

# 1. 生成示例数据
months = ["2024-01", "2024-02", "2024-03", "2024-04", "2024-05", "2024-06"]
sales = [6000, 7700, 6500, 7200, 8100, 9000]

# 2. 创建图形对象和坐标轴
plt.figure(figsize=(10, 6))  # figsize: 宽为10英寸、高为6英寸

# 3. 绘制折线图
plt.plot(months, sales, marker="o", linestyle="-", label="销售额 (元)")

# 4. 添加标题与坐标轴标签
plt.title("2024年上半年月度销售趋势")
plt.xlabel("月份")
plt.ylabel("销售额 (元)")

# 5. 添加图例
plt.legend()

# 6. 添加网格（可选）
plt.grid(True)

# 7. 设置 x 轴刻度旋转角度，避免文字拥挤
plt.xticks(rotation=45)

# 8. 展示图表
plt.tight_layout()  # 调整布局，防止标签超出边界
plt.show()

# 示例数据
regions = sales_by_region["Region"]
totals = sales_by_region["TotalSales"]

plt.figure(figsize=(8, 5))
plt.bar(regions, totals, width=0.5)  # width 控制柱子宽度

# 添加标题与标签
plt.title("各地区总销售额对比")
plt.xlabel("地区")
plt.ylabel("总销售额 (元)")

# 在柱子上方显示具体数值
for i, v in enumerate(totals):
    plt.text(i, v + 500, f"{v:.0f}", ha="center")  # ha: horizontalalignment

plt.tight_layout()
plt.show()

# 简化示例：使用原始 df
prices = df["UnitPrice"]
quantities = df["Quantity"]

plt.figure(figsize=(8, 6))
plt.scatter(prices, quantities, alpha=0.7)  # alpha: 透明度（[0,1]）

plt.title("价格 vs 销量 散点图")
plt.xlabel("单价 (元)")
plt.ylabel("销售数量")
plt.grid(True)

# 可选：在图中添加一条线性拟合线
m, b = np.polyfit(prices, quantities, 1)  # 线性拟合：quantity = m*price + b
plt.plot(prices, m * prices + b, color="red", linestyle="--", label="线性拟合")

plt.legend()
plt.tight_layout()
plt.show()

# 先做分组聚合
sales_by_category = df.groupby("Category")["SalesAmount"].sum().reset_index()

labels = sales_by_category["Category"]
sizes = sales_by_category["SalesAmount"]

plt.figure(figsize=(6, 6))
plt.pie(
    sizes,
    labels=labels,
    autopct="%1.1f%%",  # 百分比格式，保留一位小数
    startangle=140,     # 起始角度
    explode=[0.05] * len(labels)  # 将所有扇区稍微“炸开”一点
)

plt.title("产品类别销售额占比")
plt.axis("equal")  # 使饼图为正圆形
plt.show()

plt.figure(figsize=(8, 6))
# 使用 DataFrame 的列名及列名对应的数据
plt.boxplot(
    [df[df["Region"] == region]["UnitPrice"] for region in df["Region"].unique()],
    labels=df["Region"].unique()
)

plt.title("各地区单价分布（箱线图）")
plt.xlabel("地区")
plt.ylabel("单价 (元)")
plt.grid(True, axis="y")  # 只对 y 轴显示网格
plt.show()

df.boxplot(column="UnitPrice", by="Region", figsize=(8,6))
plt.title("各地区单价分布（箱线图）")
plt.suptitle("")  # 去掉默认的副标题
plt.xlabel("地区")
plt.ylabel("单价 (元)")
plt.show()

# DataFrame 直接按 Region 分组，画总销售额柱状图
sales_by_region.set_index("Region")["TotalSales"].plot(
    kind="bar",
    figsize=(8, 5),
    title="各地区总销售额对比",
    legend=False
)
plt.ylabel("总销售额 (元)")
plt.tight_layout()
plt.show()

# 折线图：按照月份排序后，绘制销售额趋势
df.sort_values("Month").set_index("Month")["SalesAmount"].plot(
    kind="line",
    figsize=(10, 6),
    marker="o",
    title="2024 年销售额趋势"
)
plt.ylabel("销售额 (元)")
plt.tight_layout()
plt.show()

import seaborn as sns
sns.set_style("whitegrid")

plt.figure(figsize=(8, 6))
sns.barplot(
    data=sales_by_region,  # DataFrame
    x="Region",
    y="TotalSales",
    palette="Blues_d"      # 选择一个配色方案（可选）
)
plt.title("各地区总销售额对比（Seaborn）")
plt.ylabel("总销售额 (元)")
plt.xlabel("地区")
plt.tight_layout()
plt.show()

# 假设有一个 DataFrame df_monthly，包含 Month、Region、SalesAmount
plt.figure(figsize=(10, 6))
sns.lineplot(
    data=df,           # 原始 df 中包含 Month、Region、SalesAmount
    x="Month",
    y="SalesAmount",
    hue="Region",      # 按地区绘制多条折线
    marker="o"
)
plt.title("各地区月度销售趋势（Seaborn）")
plt.ylabel("销售额 (元)")
plt.xlabel("月份")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

plt.figure(figsize=(8, 6))
sns.scatterplot(
    data=df,
    x="UnitPrice",
    y="Quantity",
    hue="Region",
    size="SalesAmount",  # 点大小与销售额成正比
    alpha=0.7
)
plt.title("价格 vs 销量 散点图（Seaborn）")
plt.ylabel("销售数量")
plt.xlabel("单价 (元)")
plt.tight_layout()
plt.show()

plt.figure(figsize=(8, 6))
sns.boxplot(
    data=df,
    x="Region",
    y="UnitPrice",
    palette="Pastel2"
)
plt.title("各地区单价分布（箱线图，Seaborn）")
plt.ylabel("单价 (元)")
plt.xlabel("地区")
plt.tight_layout()
plt.show()

# 计算数值型列的相关系数矩阵
corr = df[["Quantity", "UnitPrice", "SalesAmount"]].corr()

plt.figure(figsize=(6, 5))
sns.heatmap(
    corr,
    annot=True,         # 在格子中显示相关系数数值
    fmt=".2f",          # 数字格式
    cmap="coolwarm"     # 配色
)
plt.title("数值列相关系数矩阵_heatmap")
plt.tight_layout()
plt.show()

# 导入库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

%matplotlib inline
sns.set_style("whitegrid")

# 读取数据
file_path = "company_sales_2024.xlsx"
df = pd.read_excel(file_path)

# 快速查看前几行
df.head()

# 重命名列为英文，方便后续操作
df.rename(columns={
    "月份": "Month",
    "地区": "Region",
    "产品类别": "Category",
    "销售数量": "Quantity",
    "单价（元)": "UnitPrice",
    "销售额（元)": "SalesAmount"
}, inplace=True)

# 将 Month 列由字符串转换为 datetime
df["Month"] = pd.to_datetime(df["Month"], format="%Y-%m")

# 将 Region 与 Category 转为 category 类型
df["Region"] = df["Region"].astype("category")
df["Category"] = df["Category"].astype("category")

# 检查是否有缺失值
df.isnull().sum()

# 假设缺失较少，直接删除含缺失行
df.dropna(axis=0, how="any", inplace=True)

# 如果原始文件 “SalesAmount” 列存在，但是你想验证或重新生成
df["CalcSales"] = df["Quantity"] * df["UnitPrice"]

# 查看两列是否一致（可能存在浮点误差）
(df["SalesAmount"] - df["CalcSales"]).abs().sum()

# 删除临时列
df.drop(columns="CalcSales", inplace=True)

# 提取年份和月份数字
df["Year"] = df["Month"].dt.year
df["MonthNum"] = df["Month"].dt.month

# 如果需要季度
df["Quarter"] = df["Month"].dt.to_period("Q")

df_2024 = df[df["Year"] == 2024].copy()

# 先过滤出 2024 年 1-6 月的数据
df_first_half = df_2024[df_2024["MonthNum"].between(1, 6)]

# 按 Region 分组，求总销售额
sales_by_region_2024H1 = df_first_half.groupby("Region")["SalesAmount"].sum().reset_index()
sales_by_region_2024H1.rename(columns={"SalesAmount": "TotalSales_2024H1"}, inplace=True)
sales_by_region_2024H1

# 读取去年数据
df_2023 = pd.read_excel("company_sales_2023.xlsx")
df_2023.rename(columns={/* 重命名同上 */}, inplace=True)
df_2023["Month"] = pd.to_datetime(df_2023["Month"], format="%Y-%m")
df_2023["Year"] = df_2023["Month"].dt.year
df_2023["MonthNum"] = df_2023["Month"].dt.month
df_2023H1 = df_2023[(df_2023["Year"] == 2023) & (df_2023["MonthNum"].between(1, 6))]

# 统计 2023 H1 各地区总销售额
sales_by_region_2023H1 = df_2023H1.groupby("Region")["SalesAmount"].sum().reset_index()
sales_by_region_2023H1.rename(columns={"SalesAmount": "TotalSales_2023H1"}, inplace=True)

# 合并
compare = pd.merge(
    sales_by_region_2023H1,
    sales_by_region_2024H1,
    on="Region",
    how="outer"
)

# 计算同比增长率
compare["YoY_Growth_Rate"] = (compare["TotalSales_2024H1"] - compare["TotalSales_2023H1"]) / compare["TotalSales_2023H1"] * 100

compare

plt.figure(figsize=(10, 6))

sns.lineplot(
    data=df_first_half,
    x="Month",
    y="SalesAmount",
    hue="Region",       # 按地区分线
    marker="o",
    palette="tab10"     # 配色可选
)

plt.title("2024 年各地区月度销售趋势 (1-6 月)")
plt.xlabel("月份")
plt.ylabel("销售额 (元)")
plt.xticks(rotation=45)
plt.legend(title="地区")
plt.tight_layout()
plt.show()

plt.figure(figsize=(8, 5))
sns.barplot(
    data=sales_by_region_2024H1,
    x="Region",
    y="TotalSales_2024H1",
    palette="viridis"
)

# 在柱子上方显示数值
for idx, row in sales_by_region_2024H1.iterrows():
    plt.text(
        x=idx,
        y=row["TotalSales_2024H1"] + 500,  # 在柱顶上方 500 单位处
        s=f"{row['TotalSales_2024H1']:.0f}",
        ha="center"
    )

plt.title("2024 年上半年（1-6 月）各地区总销售额")
plt.xlabel("地区")
plt.ylabel("总销售额 (元)")
plt.tight_layout()
plt.show()

plt.figure(figsize=(8, 6))
sns.scatterplot(
    data=df_first_half,
    x="UnitPrice",
    y="Quantity",
    hue="Region",
    size="SalesAmount",
    alpha=0.7,
    palette="Set2"
)

plt.title("单价 vs 销量 散点图 (按地区及销售额大小区分)")
plt.xlabel("单价 (元)")
plt.ylabel("销售数量")
plt.legend(title="地区", bbox_to_anchor=(1.05, 1), loc="upper left")  # 将图例放置到右侧
plt.tight_layout()
plt.show()

# 筛选华东地区，并做分组聚合
df_huadong = df_first_half[df_first_half["Region"] == "华东"]
sales_by_cat_huadong = df_huadong.groupby("Category")["SalesAmount"].sum().reset_index()

labels = sales_by_cat_huadong["Category"]
sizes = sales_by_cat_huadong["SalesAmount"]

plt.figure(figsize=(6, 6))
plt.pie(
    sizes,
    labels=labels,
    autopct="%1.1f%%",
    startangle=90,
    explode=[0.05] * len(labels)
)

plt.title("华东地区产品类别销售额占比 (2024 H1)")
plt.axis("equal")
plt.show()

regions = df_first_half["Region"].unique()
fig, axes = plt.subplots(1, len(regions), figsize=(len(regions)*5, 5))
for ax, reg in zip(axes, regions):
    data_reg = df_first_half[df_first_half["Region"] == reg].groupby("Category")["SalesAmount"].sum()
    ax.pie(
        data_reg,
        labels=data_reg.index,
        autopct="%1.1f%%",
        startangle=90,
        explode=[0.05]*len(data_reg)
    )
    ax.set_title(f"{reg}地区 产品类别占比")
    ax.axis("equal")
plt.tight_layout()
plt.show()

plt.figure(figsize=(8, 6))
sns.boxplot(
    data=df_first_half,
    x="Region",
    y="UnitPrice",
    palette="pastel"
)

plt.title("各地区单价分布 (箱线图)")
plt.xlabel("地区")
plt.ylabel("单价 (元)")
plt.tight_layout()
plt.show()

# 举例：保存折线图
plt.figure(figsize=(10, 6))
sns.lineplot(
    data=df_first_half,
    x="Month",
    y="SalesAmount",
    hue="Region",
    marker="o",
    palette="tab10"
)

plt.title("2024 年各地区月度销售趋势 (1-6 月)")
plt.xlabel("月份")
plt.ylabel("销售额 (元)")
plt.xticks(rotation=45)
plt.legend(title="地区")
plt.tight_layout()

# 保存图表
plt.savefig("monthly_sales_trend_2024H1.png", dpi=300)  # dpi=300 提升分辨率
plt.show()

import os
os.makedirs("output", exist_ok=True)
plt.savefig("output/monthly_sales_trend_2024H1.png", dpi=300)

# 创建一个 ExcelWriter 对象，可写入多个 sheet
output_path = "sales_analysis_results.xlsx"
with pd.ExcelWriter(output_path, engine="openpyxl") as writer:
    # 1. 将清洗后的原始数据写入 sheet1
    df_first_half.to_excel(writer, sheet_name="Cleaned_Data", index=False)
    # 2. 将各地区总销售额写入 sheet2
    sales_by_region_2024H1.to_excel(writer, sheet_name="Region_Summary", index=False)
    # 3. （可选）将同比对比结果写入 sheet3
    # compare.to_excel(writer, sheet_name="YoY_Comparison", index=False)

# 提示：执行完毕后，会在当前目录生成 sales_analysis_results.xlsx

conda install openpyxl xlrd -y

df = pd.read_excel("data.xlsx", engine="openpyxl")

df.columns = df.columns.str.strip()       # 去除首尾空格
df.columns = df.columns.str.replace("\n", "")  # 去除换行

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False  # 解决负号显示问题

plt.savefig("chart.svg")

df = pd.read_excel("data.xlsx", usecols=["月份", "地区", "销售额（元)"])
# 或 usecols="A,C,E"

df = pd.read_excel("data.xlsx", skiprows=2)  # 跳过前两行

filtered = df[df["SalesAmount"] > 5000]
filtered.to_excel("filtered_data.xlsx", index=False)