今天給大家介紹一個用Python製作銷售資料大屏的方法。
主要使用Python的Streamlit庫、Plotly庫、Pandas庫進行搭建。
其中Pandas處理資料，Plotly製作視覺化圖表，Streamlit搭建視覺化頁面。
對於以上三個庫，Streamlit庫可能大家會比較陌生，我簡單介紹一下。
Streamlit是一個完全免費的開源應用程式框架，它能幫你不用懂得複雜的HTML，CSS等前端技術就能快速做出來一個炫酷的Web頁面。
文件地址
https：//docs。streamlit。io/
具體的大家可以去看文件學習，多動手練習。
下面就給大家講解一下如何搭建銷售資料看板～
01. 資料
使用的資料是虛構資料，某超市2021年銷售訂單資料，共有1000條的訂單資料。
城市有三個，分別為北京、上海、杭州。顧客型別有兩種，為會員和普通。顧客性別為男性和女性。
剩下還包含訂單編號、商品型別、單價、數量、總價、日期、時間、支付方式、成本、毛利率、總收入、評分等資訊。
通用Pandas的read_excel方法讀取資料。
跳過前3行，選取B到R列，1000行資料。
def get_data_from_excel（）：
df = pd。read_excel（
io=“supermarkt_sales。xlsx”，
engine=“openpyxl”，
sheet_name=“Sales”，
skiprows=3，
usecols=“B：R”，
nrows=1000，
）
# 新增小時列資料
df［“小時”］ = pd。to_datetime（df［“時間”］， format=“%H：%M：%S”）。dt。hour
return df
df = get_data_from_excel（）
print（df）
成功讀取資料，結果如下。
下面便可以來編寫頁面了。
02. 網頁標題和圖示
我們都知道當瀏覽器開啟一個網頁，會有標題和圖示。
所以我們需先設定本次網頁的名稱、圖示、佈局等。
這也是使用Streamlit搭建頁面，使用的第一個Streamlit命令，並且只能設定一次。
# 設定網頁資訊
st。set_page_config（page_title=“銷售資料大屏”， page_icon=“：bar_chart：”， layout=“wide”）
其中page_icon引數可以使用表情符號程式碼來顯示圖示。
短程式碼可從下方連結獲取。
https：//www。webfx。com/tools/emoji-cheat-sheet/
妥妥的表情符號程式碼大全！
03. 側邊欄和多選框
st。sidebar（側邊欄），每個傳遞給st。sidebar的元素都會被固定在左邊，讓使用者可以專注於主頁中的內容。
multiselect（多選框）是一個互動性的部件，可以透過它進行資料篩選。
# 側邊欄
st。sidebar。header（“請在這裡篩選：”）
city = st。sidebar。multiselect（
“選擇城市：”，
options=df［“城市”］。unique（），
default=df［“城市”］。unique（）
）
customer_type = st。sidebar。multiselect（
“選擇顧客型別：”，
options=df［“顧客型別”］。unique（），
default=df［“顧客型別”］。unique（），
）
gender = st。sidebar。multiselect（
“選擇性別：”，
options=df［“性別”］。unique（），
default=df［“性別”］。unique（）
）
df_selection = df。query（
“城市 == @city & 顧客型別 ==@customer_type & 性別 == @gender”
）
結合Pandas的query查詢，就能對資料進行過濾。
透過上述程式碼就搭建成功了，如下圖左側。
點選側邊欄的右上角關閉符號，側邊欄即可隱藏。
網頁將會展示主頁面。
04. 主頁面資訊
接下來編寫主頁面資訊，包含主頁標題、銷售總額、平均評分、平均銷售額資訊。
和網頁的圖示一樣，透過表情符號程式碼實現。
# 主頁面
st。title（“：bar_chart： 銷售資料大屏”）
st。markdown（“##”）
# 核心指標， 銷售總額、平均評分、星級、平均銷售額資料
total_sales = int（df_selection［“總價”］。sum（））
average_rating = round（df_selection［“評分”］。mean（）， 1）
star_rating = “：star：” * int（round（average_rating， ））
average_sale_by_transaction = round（df_selection［“總價”］。mean（）， 2）
# 3列布局
left_column， middle_column， right_column = st。columns（3）
# 新增相關資訊
with left_column：
st。subheader（“銷售總額：”）
st。subheader（f“RMB ”）
with middle_column：
st。subheader（“平均評分：”）
st。subheader（f“ ”）
with right_column：
st。subheader（“平均銷售額：”）
st。subheader（f“RMB ”）
# 分隔符
st。markdown（“”“——-”“”）
完成核心指標資料的處理，並將其進行佈局顯示。
05. 主頁面圖表
包含了兩個圖表，一個是每小時銷售額，一個是各類商品銷售總額。透過Plotly Express完成圖表的繪製。
Plotly Express是一個新的高階Python視覺化庫，是Plotly。py的高階封裝，它為複雜的圖表提供了一個簡單的語法。
文件地址
https：//plot。ly/python/plotly-express/
受Seaborn和ggplot2的啟發，它專門設計為具有簡潔，一致且易於學習的API。只需一次匯入，就可以在一個函式呼叫中建立豐富的互動式繪圖。
# 各類商品銷售情況（柱狀圖）
sales_by_product_line = （
df_selection。groupby（by=［“商品型別”］）。sum（）［［“總價”］］。sort_values（by=“總價”）
）
fig_product_sales = px。bar（
sales_by_product_line，
x=“總價”，
y=sales_by_product_line。index，
orientation=“h”，
title=“每種商品銷售總額”，
color_discrete_sequence=［“#0083B8”］ * len（sales_by_product_line），
template=“plotly_white”，
）
fig_product_sales。update_layout（
plot_bgcolor=“rgba（0，0，0，0）”，
xaxis=（dict（showgrid=False））
）
# 每小時銷售情況（柱狀圖）
sales_by_hour = df_selection。groupby（by=［“小時”］）。sum（）［［“總價”］］
print（sales_by_hour。index）
fig_hourly_sales = px。bar（
sales_by_hour，
x=sales_by_hour。index，
y=“總價”，
title=“每小時銷售總額”，
color_discrete_sequence=［“#0083B8”］ * len（sales_by_hour），
template=“plotly_white”，
）
fig_hourly_sales。update_layout（
xaxis=dict（tickmode=“linear”），
plot_bgcolor=“rgba（0，0，0，0）”，
yaxis=（dict（showgrid=False）），
）
left_column， right_column = st。columns（2）
left_column。plotly_chart（fig_hourly_sales， use_container_width=True）
right_column。plotly_chart（fig_product_sales， use_container_width=True）
新增資料，設定圖表配置，以及網頁佈局。
得到結果如下。
06. 隱藏部件
當我們透過Streamlit搭建一個介面，預設就會有紅線、選單、結尾的“Make with Streamlit”。
為了美觀，這裡可以將它們都隱藏掉。
# 隱藏streamlit預設格式資訊
hide_st_style = “”“
#MainMenu
footer
header
”“”
st。markdown（hide_st_style， unsafe_allow_html=True）
這樣一個可互動的銷售資料看板，就完成搭建啦！
# 安裝依賴庫
pip install -i https：//pypi。tuna。tsinghua。edu。cn/simple plotly==4。14。3
pip install -i https：//pypi。tuna。tsinghua。edu。cn/simple pandas==1。1。0
pip install -i https：//pypi。tuna。tsinghua。edu。cn/simple streamlit==0。86。0
pip install -i https：//pypi。tuna。tsinghua。edu。cn/simple openpyxl==3。0。6
# 執行
streamlit run app。py
安裝相關依賴，命令列終端執行程式。
加入知識星球
【我們談論資料科學】
400+
小夥伴一起學習！