超市销售数据集提供了超市交易的全面概述，跟踪产品类别、单价、销售数量等详细信息。它还包括客户人口统计数据，例如性别和会员类型。此数据集非常适合分析销售趋势、客户行为和收入绩效，提供洞察以优化促销和产品策略。

销售数据集关键字段：

• 发票 ID：每笔交易的唯一标识符。

• Branch：特定的超市分店（例如 A、B、C）。

• City（城市）：分行所在的城市。

• 客户类型：指示客户是“会员”还是“普通”。

• 性别：用于人口统计分析的客户性别。

• Product Line： 商品分类（例如，杂货、服装）。

• 单价： 每件商品的价格。

• 数量：在交易中购买的商品。

• 税额 （5%）： 税额（税前总额的 5%）。

注：数据来源于国外数据库。 

一、数据预处理

所有代码的输出就不写print语句了，因为我是用jupyter lab运行的。

import pandas as pd
# 导入数据
data0 = pd.read_csv(r"C:\Users\31049\Desktop\archive\supermarket_sales new.csv")

# 修改成中文列名（个人习惯hhh）
data0.columns = ['性别', 'Invoice ID', '分店', '城市', '顾客类型',
       '商品分类', '单价', '销量', '税额 5%']

# 输出前5行数据，看看数据大概是怎么样的 
data0.head(5)

---

# 删除重复数据，并输出相关参数信息
data0 = data0.drop_duplicates()
data0.info()

# 总共1000条数据，共9列特征，各列都没有缺失值，还可以查看各列的数据类型

---

# 计算并添加"税前总额"列
data0['税前总额'] = data0["单价"] * data0["销量"]

# 计算并添加"税后总额"列
data0["税后总额"] = data0["单价"] * data0["销量"] + data0["税额 5%"]
data0.head(5)

---

# 查看数值型特征的基本统计信息
data0.describe()

# 可以看到每个特征的均值、标准差、各分位数、最大值和最小值。
#  1、根据均值和分位数，我们可以知道每个特征的大致分布状况。比如最后一列，超过 %50 的含税总额低于均值。
#  2、 根据标准差，可以知道每个特征的稳定性，还可以推测有没有异常值。
#     比如税额这一列，标准差较大，说明可能存在大额交易（或者说是异常值）。
#  3、根据最大值和最小值，我们可以发现一些差别和特殊情况。
#     比如，单价：单价的范围从10.08元到99.96元，跨度较大，说明商品种类的单价差异较大。
#     比如，销量：销量的范围从1件到10件，这表明大多数的购买行为是小批量购买。
#     比如，税后总额：最大值为1346.36元，说明有一些大宗商品的购买会使得总额远高于其他交易。

二、可视化分析

# 导入可视化用到的库
import seaborn as sns
import matplotlib.pyplot as plt

# 设置字体, 防止图表中文标题乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  
# 用于显示负号
plt.rcParams['axes.unicode_minus'] = False  

（一）销售趋势分析

1、按分店分析

# 分店总收入（分税前和税后）
branch_sum1 = data0.groupby("分店").agg({"税前总额":"sum", "税后总额": "sum"}).reset_index()
branch_sum1

---

# 将数据从宽格式转换为长格式(即同一张图绘制两种柱状图的格式)
branch_sum1 = pd.melt(branch_sum1, id_vars=["分店"], value_vars=['税前总额', '税后总额'], var_name='总额类型', value_name='总额')   # id_vars: identifier variables
branch_sum1

---

# 绘制柱状图
plt.figure(figsize=(10, 6))
ax = sns.barplot(x="分店", y='总额', hue="总额类型",data=branch_sum1)
# 给柱状图添加数值标签
for p in ax.patches:
    ax.annotate(f'{p.get_height():.0f}', 
                (p.get_x() + p.get_width() / 2., p.get_height()), 
                ha='center', va='center', 
                fontsize=12, color='red', 
                xytext=(0, 5), textcoords='offset points')
plt.title("不同分店的总额")
plt.show()

# 结论: 税前、税后总额各自在每个分店的差异并不是很大，不过都是C分店总额偏高一点

---

# 分店的销量
branch_sum2 = data0.groupby("分店")['销量'].sum().reset_index()

# 绘制柱状图
ax0=sns.barplot(x="分店", y="销量", data=branch_sum2)
# 给柱状图添加数值标签
for p in ax0.patches:
    ax0.annotate(f'{p.get_height():.0f}', 
                (p.get_x() + p.get_width() / 2., p.get_height()), 
                ha='center', va='center', 
                fontsize=12, color='red', 
                xytext=(0, 5), textcoords='offset points')
plt.title("不同分店的销量")
plt.show

# 结论：每个分店的销量基本一致，没有显著差异

2、按城市分析

city_sum1 = data0.groupby("城市").agg({"税前总额":"sum", "税后总额": "sum"}).reset_index()
# 将数据从宽格式转换为长格式(即同一张图绘制两种柱状图的格式)
city_sum1 = pd.melt(city_sum1, id_vars=["城市"], value_vars=['税前总额', '税后总额'], var_name='总额类型', value_name='总额')
# 绘制柱状图
plt.figure(figsize=(10, 6))
ax = sns.barplot(x="城市", y='总额', hue="总额类型",data=city_sum1)
# 给柱状图添加数值标签
for p in ax.patches:
    ax.annotate(f'{p.get_height():.0f}', 
                (p.get_x() + p.get_width() / 2., p.get_height()), 
                ha='center', va='center', 
                fontsize=12, color='red', 
                xytext=(0, 5), textcoords='offset points')
plt.title("不同城市的总额")
plt.show()

# 结论：不同城市之间的总收入（税前或税后）差异不是很大，其中 Naypyitaw 这个城市总收入最高

---

# 不同城市的销量
city_sum2 = data0.groupby("城市")['销量'].sum().reset_index()
# 绘制柱状图
plt.figure(figsize=(10, 6))
ax = sns.barplot(x="城市", y='销量',data=city_sum2)
# 给柱状图添加数值标签
for p in ax.patches:
    ax.annotate(f'{p.get_height():.0f}', 
                (p.get_x() + p.get_width() / 2., p.get_height()), 
                ha='center', va='center', 
                fontsize=12, color='red', 
                xytext=(0, 5), textcoords='offset points')
plt.title("不同城市的销量")
plt.show()

# 结论：这三个城市的销量基本一致，没有显著差异

3、按商品分类分析

# 按商品分类汇总
product_line_sum = data0.groupby('商品分类').agg({'税后总额': 'sum', '销量': 'sum'}).reset_index()

# 商品分类——总收入对比柱状图
sns.barplot(y='商品分类', x='税后总额', data=product_line_sum)
plt.title('商品种类——总收入图例')
plt.xlabel('总收入（税后）')
plt.ylabel('商品分类')
plt.show()

# 商品分类——销量对比柱状图
sns.barplot(y='商品分类', x='销量', data=product_line_sum)
plt.title('商品种类——销量图例')
plt.xlabel('总销量')
plt.ylabel('商品分类')
plt.show()

 （二）客户行为分析

1、按性别分析

# 性别消费行为
gender_sum = data0.groupby('性别').agg({'税后总额': 'mean', '销量': 'sum'}).reset_index()

# 绘制性别平均消费金额对比
sns.barplot(x='性别', y='销量', data=gender_sum)
plt.title('性别——平均消费图')
plt.ylabel('平均消费')
plt.xlabel('消费')
plt.show()

# 结论：女性平均消费水平更高于男性

2、按顾客类型分析

.... 

当然了，还可以从其他很多种角度分析这个数据集，还可以结合不同的图来分析。这里我只简单的练习一些数据处理和简单可视化的相关 python 语句，扎实一下基本功。 

# 文章如有错误，欢迎大噶不吝赐教！