用python分析每月销售额答案

【问题标题】：Analyse monthly sale in python用python分析每月销售额
【发布时间】：2020-01-27 14:38:00
【问题描述】：

我有一个这样的数据集

  order_status  created_at
0    cancelled  05/08/2018
1    cancelled  06/08/2018
2   dispatched  27/08/2018
3   dispatched  30/08/2018
4    cancelled  05/09/2018
5   dispatched  05/09/2018
6   dispatched  25/09/2018
7    cancelled  23/10/2018
8   dispatched  05/10/2018
9   dispatched  02/08/2018

日期格式为 dd/mm/yy。我想要的是按月分析数据，比如今年第 8 个月取消了多少订单，今年第 9 个月发货了多少。我正在做的是这样的

df2 = df[['order_status','created_at']].\
         set_index('created_at').\
         resample('M')
df2.iplot(kind='bar', xTitle='Date', yTitle='Order Status',
    title='Monthly Order Status')

但它会抛出错误

TypeError：仅适用于 DatetimeIndex、TimedeltaIndex 或 PeriodIndex，但得到了一个“索引”实例

如何获取所有订单的月度报告？

【问题讨论】：

你需要一个聚合函数在resample之后，例如...resample('M').sum()。不过，您需要先透视这些数据
是的，但我使用分类值（已取消、已调度）进行分析
是的，您应该首先pivot，将跨列的状态和日期作为行索引。尝试使用pandas.crosstab- 所以把它们放在一起，试试pd.crosstab(df['created_at'], df['order_status']).resample('M').sum().plot(kind='bar')

标签： python pandas matplotlib seaborn

【解决方案1】：

您可以使用groupby：

df['created_at'] = pd.to_datetime(df['created_at'])    
f = df.groupby(df.created_at.dt.month)['order_status'].value_counts().reset_index(name='count')

      created_at order_status  count
0           2   dispatched      1
1           5    cancelled      2
2           5   dispatched      2
3           6    cancelled      1
4           8   dispatched      2
5           9   dispatched      1
6          10    cancelled      1

# plot
f.plot(kind='bar')

【讨论】：

您好，感谢您的回复，我该如何绘制这些数据？

【解决方案2】：

您可以使用pandas.datetime 方法从日期获取月份。

df['month'] = df['created_at'].map(lambda x: x.month)

之后，通过value_counts，你可以通过这种方式统计有多少订单被取消或派送：

df[df['dispatched']=='cancelled']['month'].value_counts()

希望对你有帮助。

注意：

如果您的日期中有不同的年份，您可以使用一些数学运算来获得年份和月份的信息：

df['year_month'] = df['created_at'].map(lambda x: 100*x.year + x.month)

【讨论】：