Visualizzare l'andamento mensile

Prima di creare il grafico, aggreghi il DataFrame delle vendite per ottenere i totali mensili. Raggruppi per la colonna Period year_month e sommi i ricavi. Converta il PeriodIndex in un DatetimeIndex con .to_timestamp(), così il formattatore delle date di Matplotlib visualizza correttamente le etichette degli assi. Ordinare per indice garantisce che il grafico proceda cronologicamente da sinistra a destra.

Crei una Figure e degli Axes con plt.subplots(figsize=(12, 5)) e chiami ax.plot() per tracciare la tendenza mensile dei ricavi. Usi marker='o' per inserire un punto in corrispondenza di ogni mese, così i singoli valori restano visibili anche quando la linea è uniforme. Imposti il colore e lo spessore della linea in modo che la tendenza principale risalti rispetto agli eventuali elementi sovrapposti aggiunti in seguito.

Una linea dei ricavi mensili grezzi può apparire irregolare a causa del rumore stagionale. Sovrapponga una media mobile a 3 mesi calcolata con monthly.rolling(3).mean() per mostrare più chiaramente la tendenza sottostante. La tracci come linea tratteggiata di un colore a contrasto, così risalta rispetto alla serie grezza senza nasconderla.

Usi ax.annotate() per contrassegnare il mese con il ricavo più alto. Trovi il picco con monthly.idxmax() e il relativo valore con monthly.max(). La freccia dell’annotazione va dall’etichetta testuale al punto dei dati corrispondente al picco, rendendo immediatamente visibile l’informazione a chiunque legga il grafico, anche se lo riceve come PNG o PDF.

Analogamente, contrassegni il mese con il fatturato più basso usando monthly.idxmin() per segnalare una possibile stagionalità o eventuali anomalie. Le annotazioni sia del picco sia del minimo offrono un quadro completo: consentono agli stakeholder di vedere non solo il mese migliore, ma anche quanto può diminuire il fatturato, fornendo informazioni utili per la pianificazione del flusso di cassa.

Le etichette predefinite delle tacche delle date di Matplotlib spesso si sovrappongono o usano un formato di difficile lettura. Importi mdates da matplotlib e imposti un MonthLocator e un DateFormatter per controllare la frequenza delle tacche e il formato delle etichette. Ruotare le etichette delle tacche di 45 gradi evita sovrapposizioni su un asse di 12 mesi.

Evidenzi il periodo del quarto trimestre (ottobre–dicembre) con uno sfondo ombreggiato usando ax.axvspan(). In questo modo i modelli stagionali diventano immediatamente visibili: se il picco ricade regolarmente nella zona ombreggiata, il quarto trimestre è un periodo di vendita fondamentale da prendere di mira con promozioni. Il parametro alpha controlla la trasparenza dell'ombreggiatura.

Crei un grafico a più linee, in cui ogni linea rappresenta una categoria di prodotto. Esegua il pivot del DataFrame mensile per categoria, in modo che le colonne siano le categorie e l'indice sia il tempo; quindi iteri sulle colonne e chiami ax.plot() per ciascuna di esse. Matplotlib assegna automaticamente un colore diverso a ogni linea quando viene chiamato ripetutamente sullo stesso Axes.

Un grafico a barre impilate mostra il fatturato mensile totale e, al contempo, il contributo di ciascuna categoria all'insieme. Usi direttamente monthly_cat.plot(kind='bar', stacked=True, ax=ax) sul DataFrame sottoposto a pivot. Le barre impilate sono ideali quando si hanno meno di sei categorie; in caso contrario, i colori diventano difficili da distinguere.

Rappresenti il tasso di crescita percentuale mese su mese insieme al fatturato per fornire un contesto: una barra visivamente piccola a gennaio potrebbe rappresentare un aumento del 20 % rispetto al mese precedente. Calcoli la crescita con monthly.pct_change() * 100 e la rappresenti su un asse y secondario usando ax.twinx(), così da condividere lo stesso asse x senza confondere le unità di misura.

Usi fig.savefig('monthly_trend.png', dpi=150, bbox_inches='tight') per produrre un file PNG ad alta risoluzione, adatto a presentazioni o dashboard web. L'argomento bbox_inches='tight' elimina lo spazio bianco in eccesso, mentre dpi=150 garantisce un'immagine nitida senza creare un file eccessivamente grande. Salvi anche in PDF per ottenere report di qualità adatta alla stampa.

In questa lezione ha imparato a: calcolare i totali mensili del fatturato e rappresentarli in un grafico a linee, sovrapporre una media mobile e annotare i mesi di picco e di minimo e salvare figure di qualità editoriale in formato PNG e PDF. Ora esploreremo la sessionizzazione e la sequenza degli eventi nei dati sul comportamento degli utenti.