pip install pandas openpyxl xlrd

import pandas as pd
 
# 讀取整個(gè)工作表
df = pd.read_excel('sales_data.xlsx')
 
# 顯示前5行數(shù)據(jù)
print(df.head())
 
# 讀取特定工作表（如果有多個(gè)工作表）
# df = pd.read_excel('sales_data.xlsx', sheet_name='Sheet1')
 
# 讀取特定列
# df = pd.read_excel('sales_data.xlsx', usecols=['日期', '產(chǎn)品', '銷量'])

from openpyxl import load_workbook
 
# 加載工作簿
wb = load_workbook('sales_data.xlsx')
 
# 獲取活動(dòng)工作表或指定工作表
sheet = wb.active  # 或 wb['Sheet1']
 
# 讀取數(shù)據(jù)
data = []
for row in sheet.iter_rows(values_only=True):
    data.append(row)
 
# 轉(zhuǎn)換為DataFrame（可選）
import pandas as pd
df = pd.DataFrame(data[1:], columns=data[0])  # 假設(shè)第一行是標(biāo)題

# 查看數(shù)據(jù)基本信息
print(df.info())
 
# 查看統(tǒng)計(jì)摘要
print(df.describe())
 
# 查看列名
print(df.columns.tolist())

# 篩選特定日期的數(shù)據(jù)
jan_data = df[df['日期'] == '2023-01-01']
 
# 篩選銷量大于5的產(chǎn)品
high_sales = df[df['銷量'] > 5]
 
# 篩選多個(gè)條件
filtered_data = df[(df['日期'] >= '2023-01-01') & (df['產(chǎn)品'] == '產(chǎn)品A')]

# 按產(chǎn)品分組計(jì)算總銷量和總銷售額
product_stats = df.groupby('產(chǎn)品').agg({
    '銷量': 'sum',
    '銷售額': 'sum'
}).reset_index()
 
print(product_stats)
 
# 計(jì)算每日銷售額總和
daily_sales = df.groupby('日期')['銷售額'].sum().reset_index()

# 按銷售額降序排序
sorted_data = df.sort_values('銷售額', ascending=False)
 
# 按日期和銷量排序
sorted_data = df.sort_values(['日期', '銷量'], ascending=[True, False])

import matplotlib.pyplot as plt
 
# 設(shè)置中文字體（避免中文顯示問(wèn)題）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
 
# 繪制柱狀圖 - 各產(chǎn)品總銷量
product_stats.plot(kind='bar', x='產(chǎn)品', y='銷量', title='各產(chǎn)品總銷量')
plt.ylabel('銷量')
plt.show()
 
# 繪制折線圖 - 每日銷售額趨勢(shì)
daily_sales.plot(kind='line', x='日期', y='銷售額', title='每日銷售額趨勢(shì)')
plt.xlabel('日期')
plt.ylabel('銷售額')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

pip install seaborn

import seaborn as sns
 
# 設(shè)置風(fēng)格
sns.set(style="whitegrid")
 
# 繪制箱線圖 - 各產(chǎn)品銷量分布
plt.figure(figsize=(10, 6))
sns.boxplot(x='產(chǎn)品', y='銷量', data=df)
plt.title('各產(chǎn)品銷量分布')
plt.show()
 
# 繪制熱力圖 - 相關(guān)性分析
corr_matrix = df[['銷量', '單價(jià)', '銷售額']].corr()
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm')
plt.title('變量相關(guān)性熱力圖')
plt.show()

# 檢查缺失值
print(df.isnull().sum())
 
# 填充缺失值
df_filled = df.fillna({'銷量': 0, '單價(jià)': df['單價(jià)'].mean()})
 
# 刪除包含缺失值的行
df_dropped = df.dropna()

# 轉(zhuǎn)換日期格式
df['日期'] = pd.to_datetime(df['日期'])
 
# 轉(zhuǎn)換數(shù)值類型
df['銷量'] = pd.to_numeric(df['銷量'], errors='coerce')
df['單價(jià)'] = pd.to_numeric(df['單價(jià)'], errors='coerce')
df['銷售額'] = pd.to_numeric(df['銷售額'], errors='coerce')

from sklearn.preprocessing import StandardScaler
 
# 選擇需要標(biāo)準(zhǔn)化的列
features = df[['銷量', '單價(jià)', '銷售額']]
 
# 標(biāo)準(zhǔn)化處理
scaler = StandardScaler()
scaled_features = scaler.fit_transform(features)
 
# 轉(zhuǎn)換回DataFrame
scaled_df = pd.DataFrame(scaled_features, columns=features.columns)

# 確保日期是datetime類型
df['日期'] = pd.to_datetime(df['日期'])
 
# 設(shè)置日期為索引
df.set_index('日期', inplace=True)
 
# 按周匯總銷售額
weekly_sales = df.resample('W')['銷售額'].sum()
 
# 移動(dòng)平均
df['7天移動(dòng)平均銷售額'] = df['銷售額'].rolling(window=7).mean()

# 計(jì)算相關(guān)性矩陣
corr_matrix = df[['銷量', '單價(jià)', '銷售額']].corr()
 
# 可視化相關(guān)性
import seaborn as sns
import matplotlib.pyplot as plt
 
plt.figure(figsize=(8, 6))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', center=0)
plt.title('變量相關(guān)性熱力圖')
plt.show()

# 使用groupby分組聚合
grouped = df.groupby(['產(chǎn)品', '日期']).agg({
    '銷量': 'sum',
    '銷售額': 'sum'
}).reset_index()
 
# 創(chuàng)建透 視表
pivot_table = df.pivot_table(
    values='銷售額',
    index='日期',
    columns='產(chǎn)品',
    aggfunc='sum',
    fill_value=0
)
 
print(pivot_table)

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from datetime import datetime
 
# 1. 讀取數(shù)據(jù)
df = pd.read_excel('sales_data.xlsx')
 
# 2. 數(shù)據(jù)清洗
df['日期'] = pd.to_datetime(df['日期'])
df['銷量'] = pd.to_numeric(df['銷量'], errors='coerce').fillna(0)
df['單價(jià)'] = pd.to_numeric(df['單價(jià)'], errors='coerce').fillna(df['單價(jià)'].mean())
df['銷售額'] = pd.to_numeric(df['銷售額'], errors='coerce').fillna(0)
 
# 3. 基本統(tǒng)計(jì)
print("基本統(tǒng)計(jì)信息:")
print(df.describe())
 
# 4. 按產(chǎn)品分組統(tǒng)計(jì)
product_stats = df.groupby('產(chǎn)品').agg({
    '銷量': 'sum',
    '銷售額': 'sum',
    '單價(jià)': 'mean'
}).sort_values('銷售額', ascending=False)
 
print("\n各產(chǎn)品銷售統(tǒng)計(jì):")
print(product_stats)
 
# 5. 時(shí)間序列分析
df.set_index('日期', inplace=True)
daily_sales = df.resample('D')['銷售額'].sum()
 
# 6. 可視化
plt.figure(figsize=(15, 10))
 
# 每日銷售額趨勢(shì)
plt.subplot(2, 2, 1)
daily_sales.plot(title='每日銷售額趨勢(shì)')
plt.ylabel('銷售額')
 
# 各產(chǎn)品銷量對(duì)比
plt.subplot(2, 2, 2)
product_stats['銷量'].plot(kind='bar', title='各產(chǎn)品總銷量')
plt.ylabel('銷量')
 
# 銷量與單價(jià)關(guān)系
plt.subplot(2, 2, 3)
sns.scatterplot(data=df, x='單價(jià)', y='銷量', hue='產(chǎn)品')
plt.title('銷量與單價(jià)關(guān)系')
plt.xlabel('單價(jià)')
plt.ylabel('銷量')
 
# 產(chǎn)品銷售額占比
plt.subplot(2, 2, 4)
product_stats['銷售額'].plot(kind='pie', autopct='%1.1f%%', startangle=90)
plt.title('產(chǎn)品銷售額占比')
plt.ylabel('')  # 去掉默認(rèn)的ylabel
 
plt.tight_layout()
plt.show()

df = pd.read_excel('large_file.xlsx', usecols=['日期', '產(chǎn)品', '銷量'])

chunk_size = 10000
chunks = pd.read_excel('very_large_file.xlsx', chunksize=chunk_size)
 
for chunk in chunks:
    process(chunk)  # 處理每個(gè)數(shù)據(jù)塊

import dask.dataframe as dd
 
# 使用Dask處理大型數(shù)據(jù)集
ddf = dd.read_excel('large_file.xlsx')
result = ddf.groupby('產(chǎn)品').銷量.sum().compute()

plt.rcParams['font.sans-serif'] = ['SimHei']  # 設(shè)置中文字體
plt.rcParams['axes.unicode_minus'] = False    # 解決負(fù)號(hào)顯示問(wèn)題

# 嘗試多種日期格式解析
df['日期'] = pd.to_datetime(df['日期'], errors='coerce', format='%Y-%m-%d')
df['日期'] = pd.to_datetime(df['日期'], errors='coerce', format='%d/%m/%Y')
df['日期'].fillna(pd.to_datetime('1900-01-01'), inplace=True)  # 處理無(wú)法解析的日期