主要使用Excel和Python的Pandas 庫(kù)、Streamlit 庫(kù)、Plotly 庫(kù)進(jìn)行搭建可視化大屏。

一、前提準(zhǔn)備

本案例數(shù)據(jù)相對(duì)結(jié)構(gòu)化，僅用 Excel 結(jié)合 Pandas 做簡(jiǎn)單處理即可，Plotly 制作可視化圖表，Streamlit 搭建可視化頁(yè)面。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas==1.1.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple plotly==4.14.3
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

1.2 Plotly

官方文檔地址：https://plot.ly/python/plotly-express/

Plotly Express 是一個(gè)新的高級(jí) Python 可視化庫(kù)，它為復(fù)雜的圖表提供了一個(gè)簡(jiǎn)單的語(yǔ)法。Plotly 交互效果明顯優(yōu)于 Python 的兩大傳統(tǒng)可視化庫(kù) Matplotlib 和 Seaborn。相比 Power BI 和 Tableau 等 BI 工具，Plotly 無(wú)法勝任數(shù)據(jù)清洗、關(guān)系模型等功能，僅是一個(gè)可視化工具。但與 Python 其它庫(kù)，比如今天使用的 Streamlit 配合，可以創(chuàng)造出像網(wǎng)站、可視化大屏、機(jī)器學(xué)習(xí)工具等各種精彩的應(yīng)用。

1.3 Streamlit

官方文檔地址：https://docs.streamlit.io/

Streamlit 是一個(gè)功能強(qiáng)大，完全免費(fèi)的開(kāi)源應(yīng)用程序框架，它能幫你不用懂得復(fù)雜的 HTML，CSS 等前端技術(shù)就能快速做出來(lái)一個(gè)炫酷的 Web 頁(yè)面。Streamlit 是一個(gè)用于機(jī)器學(xué)習(xí)、數(shù)據(jù)可視化的 Python 框架，用極短的時(shí)間快速生成一個(gè)基于 Web 的 GUI。當(dāng)然，你也可以將其用于給自己的 Python 腳本創(chuàng)建前端展示頁(yè)面，也是一個(gè)不錯(cuò)的選擇。

二、準(zhǔn)備數(shù)據(jù)

關(guān)鍵字搜索【情人節(jié)禮物 女友 2022】，用第三方采集軟件爬取數(shù)據(jù) 2500+ 條，準(zhǔn)備數(shù)據(jù)如下：

三、分析目的

通過(guò)禮品類別、品牌、和價(jià)格區(qū)間進(jìn)行篩選聯(lián)動(dòng)

① 禮品類別(大類)銷量對(duì)比情況
② 禮品價(jià)格區(qū)間占比情況
③ 各禮品小類的銷量對(duì)比(和大類進(jìn)行聯(lián)動(dòng))
④ 禮品類別的價(jià)格分布
⑤ 品牌禮品的 Top 10 推薦

四、代碼思路

import pandas as pd
import plotly.express as px
import streamlit as st
import plotly.figure_factory as ff
import plotly as py
import plotly.graph_objs as go

# 設(shè)置網(wǎng)頁(yè)
st.set_page_config(page_title="數(shù)據(jù)大屏", page_icon=":bar_chart:", layout="wide")
st.balloons()

4.2 讀取數(shù)據(jù)

# 讀取數(shù)據(jù)
@st.cache
def get_data_from_excel():
    df = pd.read_excel(
        io="data.xlsx",
        engine="openpyxl",
        sheet_name="data"
    )
    return df
df = get_data_from_excel()

4.3 設(shè)計(jì)左側(cè)邊欄和標(biāo)題

# 側(cè)邊欄
st.sidebar.header("請(qǐng)?jiān)谶@里篩選:")
category = st.sidebar.multiselect(
    "禮物類別:",
    options=df["禮品類別"].unique(),
    default=df["禮品類別"].unique()
)

brand = st.sidebar.multiselect(
    "選擇品牌:",
    options=df["品牌"].unique(),
    default=df["品牌"].unique(),
)

price = st.sidebar.multiselect(
    "價(jià)格區(qū)間:",
    options=df["價(jià)格區(qū)間"].unique(),
    default=df["價(jià)格區(qū)間"].unique()
)

df_selection = df.query(
    "禮品類別 == @category & 品牌 == @brand & 價(jià)格區(qū)間 == @price"
)

# 主頁(yè)面標(biāo)題
st.title(":bar_chart: 情人節(jié)看看大家都送什么禮物")
st.markdown("##")

4.4 畫可視化圖

# 橫向條形圖：各類別禮品銷量
sales_by_product_line = (
    df_selection.groupby(by=["禮品類別"]).sum()[["銷量"]]
)

fig_product_sales = px.bar(
    sales_by_product_line,
    x="銷量",
    y=sales_by_product_line.index,
    orientation="h",
    title="<b>各類別禮品品銷量</b>"
)
fig_product_sales.update_layout(
    plot_bgcolor="rgba(0,0,0,0)",
    xaxis=(dict(showgrid=False))
)

從禮品類別來(lái)看，送美妝護(hù)膚類的穩(wěn)居第一，看來(lái)情人節(jié)口紅必不可少呀；排名第二的是箱包皮具類，看來(lái)送包包也是也非常不錯(cuò)的選擇呢。

# 圓環(huán)圖:禮物價(jià)格區(qū)間占比
las = df_selection.groupby(df_selection['價(jià)格區(qū)間']).size()
las.sort_values(ascending=True,inplace=True)
layout = go.Layout(
    title = '<b>禮品價(jià)格區(qū)間占比</b>',
    barmode='stack'
)
fig_price_sales = go.Figure(data=[go.Pie(labels=las.index, hole =  0.7,values=las.values,hoverinfo = "label + percent")],layout=layout)
fig_price_sales.update_layout(
    xaxis=dict(tickmode="linear"),
    plot_bgcolor="rgba(0,0,0,0)",
    yaxis=(dict(showgrid=False)),
)

# 分隔符
st.markdown("""---""")

禮品價(jià)格想必是大家最關(guān)心的了吧，從占比來(lái)看近 50% 的禮品價(jià)格都在 100~500 元之間吶，100 元以下的 6%，價(jià)格區(qū)間占比最小；再看看 2000 元以上的禮品，占比 15%，這是真愛(ài)呀。

# TOP 10 銷量最高品牌
sales_by_brand = df_selection.groupby(by=["品牌"])
brand_dic = {i:j['銷量'].sum() for i,j in sales_by_brand}
brand_dic = sorted(brand_dic.items(), key = lambda kv:(kv[1], kv[0]),reverse=True)
ins = []
val = []
for i, j in brand_dic[:10]:
    ins.append(i.split()[0])
    val.append(j)
sales_by_brand = px.bar(
    x=ins,
    y=val,
    title="<b>TOP 10 銷量最高品牌</b>",
)
sales_by_brand.update_layout(
    xaxis=dict(tickmode="linear"),
    plot_bgcolor="rgba(0,0,0,0)",
    yaxis=(dict(showgrid=False)),
)

上面結(jié)果是按照所有類別進(jìn)行分析的，當(dāng)然你也可以按照自己喜歡的類別，查看品牌銷量前 10。

# 柱狀圖：各詳細(xì)類別禮品銷量對(duì)比
sales_by_goods = df_selection.groupby(by=["小類"]).sum()[["銷量"]]
sales_by_goods = px.bar(
    sales_by_goods,
    x=sales_by_goods.index,
    y="銷量",
    title="<b>詳細(xì)類別產(chǎn)品的銷量</b>",
)
sales_by_goods.update_layout(
    xaxis=dict(tickmode="linear"),
    plot_bgcolor="rgba(0,0,0,0)",
    yaxis=(dict(showgrid=False)),
)

這里選擇【美妝護(hù)膚】這個(gè)類別，分析各小類的銷量對(duì)比，原來(lái)第一的是眼霜和爽膚水，第二的是口紅。想必這是小姐姐的最愛(ài)吧。

# 箱線圖：各類別禮品的價(jià)格分布
fig = px.box(df_selection, x="禮品類別", y="價(jià)格",color="禮品類別",
    title="<b>各類別禮品的價(jià)格分布</b>")

fig.update_layout(
    xaxis=dict(tickmode="linear"),
    plot_bgcolor="rgba(0,0,0,0)",
    yaxis=(dict(showgrid=False)),
)

價(jià)格區(qū)間篩選了 1000 元以下的禮品，從結(jié)果來(lái)看，鐘表的價(jià)格最高，大部分都在 500 元以上，好像找到了鐘表銷量最低的原因吶；要說(shuō)性價(jià)比，還是創(chuàng)意禮品、包包、美妝護(hù)膚，中位數(shù)趨于 200~300 之間。

# 將圖形顯示到前端頁(yè)面
left_column, right_column,r = st.columns(3)
right_column.plotly_chart(fig_price_sales, use_container_width=True)
left_column.plotly_chart(fig_product_sales, use_container_width=True)
r.plotly_chart(sales_by_brand, use_container_width=True)
st.markdown("""---""")
left, right = st.columns(2)
left.plotly_chart(sales_by_goods, use_container_width=True)
right.plotly_chart(fig, use_container_width=True)
# 隱藏streamlit默認(rèn)格式信息
hide_st_style = """
            <style>
            #MainMenu {visibility: hidden;}
            footer {visibility: hidden;}
            header {visibility: hidden;}
            </style>
            """
st.markdown(hide_st_style, unsafe_allow_html=True)

streamlit run demo.py

同時(shí)，我也在 B 站發(fā)布了本期內(nèi)容的視頻，歡迎三連呀！

其實(shí)送禮物這事兒，說(shuō)難也不難，但也不是一件簡(jiǎn)單的事兒～送對(duì)了感情升溫，送錯(cuò)了讓你恢復(fù)單身！