Визуализация месячной динамики

Перед построением диаграммы агрегируйте DataFrame с продажами до месячных итогов. Сгруппируйте данные по столбцу Period year_month и просуммируйте выручку. Преобразуйте PeriodIndex в DatetimeIndex с помощью .to_timestamp(), чтобы форматировщик дат Matplotlib корректно отображал подписи делений. Сортировка по индексу обеспечивает хронологическое направление линейной диаграммы слева направо.

Создайте Figure и Axes с помощью plt.subplots(figsize=(12, 5)) и вызовите ax.plot(), чтобы построить тенденцию месячной выручки. Используйте marker='o', чтобы поместить точку в каждом месяце: так отдельные значения будут видны даже на сглаженной линии. Задайте цвет и толщину линии, чтобы основная тенденция выделялась среди добавляемых позднее дополнительных рядов.

Линия исходной месячной выручки может выглядеть неровной из-за сезонного шума. Добавьте скользящее среднее за 3 месяца, вычисленное с помощью monthly.rolling(3).mean(), чтобы яснее показать основную тенденцию. Изобразите его пунктирной линией контрастного цвета, чтобы оно выделялось, но не скрывало исходный ряд.

Используйте ax.annotate(), чтобы отметить месяц с максимальной выручкой. Найдите пик с помощью monthly.idxmax(), а его значение — с помощью monthly.max(). Стрелка аннотации указывает от текстовой подписи на пиковую точку данных, поэтому вывод сразу заметен любому читателю диаграммы, в том числе получившему её в формате PNG или PDF.

Аналогично отметьте месяц с минимальной выручкой, используя monthly.idxmin(), чтобы выявить возможную сезонность или перебои. Аннотации пикового и минимального значений дают полную картину: они показывают не только лучший месяц, но и глубину возможного падения выручки, что помогает планировать денежный поток.

Стандартные подписи дат на диаграммах Matplotlib часто накладываются друг на друга или имеют неудобный для чтения формат. Импортируйте mdates из matplotlib и задайте MonthLocator и DateFormatter, чтобы управлять частотой делений и форматом подписей. Поворот подписей делений на 45 градусов предотвращает их наложение на оси из 12 месяцев.

Выделите период 4-го квартала (октябрь — декабрь) затенённым фоном с помощью ax.axvspan(). Это сразу делает сезонные закономерности заметными: если пик стабильно приходится на затенённую область, 4-й квартал является важным периодом продаж, на который стоит направить рекламные акции. Параметр alpha управляет прозрачностью затенения.

Создайте многолинейную диаграмму, где каждая линия представляет категорию товара. Преобразуйте DataFrame с данными по месяцам и категориям так, чтобы столбцы соответствовали категориям, а индекс — времени, затем переберите столбцы и вызовите ax.plot() для каждого из них. При повторных вызовах для одних и тех же Axes Matplotlib автоматически назначает каждой линии отдельный цвет.

Составная столбчатая диаграмма показывает общую месячную выручку и одновременно раскрывает вклад каждой категории в общий столбец. Напрямую примените monthly_cat.plot(kind='bar', stacked=True, ax=ax) к DataFrame после сводного преобразования. Составные столбцы лучше всего использовать, если категорий меньше шести: в противном случае цвета становится трудно различать.

Постройте процентный темп роста от месяца к месяцу рядом с выручкой, чтобы добавить контекст: визуально небольшой столбец января может означать рост на 20 % по сравнению с предыдущим месяцем. Вычислите рост с помощью monthly.pct_change() * 100 и изобразите его на дополнительной оси Y с помощью ax.twinx(), чтобы использовать ту же ось X, не смешивая единицы измерения.

Используйте fig.savefig('monthly_trend.png', dpi=150, bbox_inches='tight'), чтобы получить PNG высокого разрешения, подходящий для презентаций или веб-панелей. Аргумент bbox_inches='tight' обрезает лишнее пустое пространство, а dpi=150 обеспечивает чёткое изображение без чрезмерно большого файла. Дополнительно сохраните рисунок в PDF для отчётов, предназначенных для печати.

Проверьте своё понимание концепций анализа данных из этого урока.

В этом уроке Вы научились: вычислять общую выручку по месяцам и строить её линейный график, добавлять скользящее среднее и отмечать месяцы с пиковыми и минимальными значениями, а также сохранять графики публикационного качества в форматах PNG и PDF. Далее мы рассмотрим выделение сессий и последовательности событий в данных о поведении пользователей.