Analisi GroupBy per area e categoria

Dopo aver calcolato una colonna revenue, il passo successivo naturale è aggregarla per dimensioni aziendali come region e category. La chiamata Pandas groupby() suddivide il DataFrame in gruppi; si applica una funzione di aggregazione e Pandas combina i risultati in una tabella di riepilogo. Questo schema split-apply-combine sostituisce le query SQL GROUP BY annidate.

Aggréghi i ricavi per categoria di prodotto per identificare quali categorie generano più vendite. Usi .agg() per calcolare più statistiche contemporaneamente — ricavi totali, numero di ordini e valore medio dell’ordine — in un’unica scansione dei dati, invece di eseguire tre chiamate separate a groupby.

Passi un elenco di colonne a groupby() per creare un riepilogo a due livelli. Il risultato ha un MultiIndex: il livello esterno è l’area geografica, quello interno è la categoria. Usi .reset_index() per trasformarlo in un DataFrame semplice, adatto a ulteriori filtri o all’esportazione in un report.

I valori assoluti dei ricavi sono utili, ma la quota dei ricavi mostra il contributo di ogni categoria al totale. Divida il totale della singola categoria per il totale complessivo e moltiplichi per 100. Il metodo transform('sum') riporta il totale complessivo su ogni riga, consentendo di calcolare la percentuale in un unico passaggio vettorializzato.

Identifichi i primi 5 prodotti per ricavi totali usando groupby('product')['revenue'].sum().nlargest(5). Il metodo nlargest() è più conciso rispetto all’ordinamento seguito dal slicing. Conoscere gli SKU principali orienta le decisioni sulle scorte e aiuta a concentrare le attività promozionali dove l’impatto sui ricavi è maggiore.

Un’area geografica può avere un numero elevato di ordini ma un valore medio dell’ordine basso, o viceversa. Calcoli entrambe le metriche affiancate per distinguere le aree trainate dai volumi da quelle trainate dal valore. Usi agg() con un dizionario per assegnare nomi descrittivi alle colonne e mantenere leggibile l’output.

Calcoli la quota dei ricavi totali generata da ciascuna area geografica. Usi groupby().sum() e divida poi per il totale scalare. In questo modo può rispondere facilmente a domande di livello dirigenziale come "Quale percentuale dei nostri ricavi proviene dall’area Nord?" con una singola espressione DataFrame.

Usi groupby().filter() per mantenere solo le righe appartenenti a categorie il cui ricavo totale supera una determinata soglia. È utile quando desidera rimuovere le categorie di nicchia da una visualizzazione o da un modello, concentrandosi sui segmenti rilevanti. Il filtro riceve un DataFrame di gruppo e restituisce un booleano.

Combini due chiavi di groupby — mese e categoria — per monitorare l’evoluzione dei ricavi di ogni categoria nel tempo. Trasformi il risultato con unstack('category') per ottenere una matrice in cui le righe sono i mesi e le colonne le categorie, rendendo facile individuare i modelli stagionali per categoria.

Identifichi il prodotto più venduto in ciascuna area geografica concatenando groupby con idxmax(). Raggruppi per area geografica e prodotto per ottenere il ricavo totale per combinazione, quindi scelga per ogni area l’indice del prodotto con il ricavo massimo. Questo schema rivela se aree geografiche diverse preferiscono prodotti diversi.

Dopo aver calcolato il riepilogo per area geografica e categoria, lo esporti in Excel con to_excel(), così gli stakeholder che preferiscono i fogli di calcolo possono utilizzarlo. Usi ExcelWriter per scrivere più DataFrame di riepilogo in fogli separati all’interno di un’unica cartella di lavoro. Aggiunga un timestamp al nome del file, così ogni esecuzione produce un output versionato.

Verifichi la Sua comprensione dei concetti di analisi dei dati trattati in questa lezione.

In questa lezione ha imparato a: raggruppare per una e due chiavi per calcolare riepiloghi dei ricavi, calcolare le percentuali di quota dei ricavi e gli SKU principali ed esportare report riepilogativi Excel con più fogli. Ora esploreremo la visualizzazione delle tendenze mensili con grafici a linee e medie mobili.