GroupBy-analys efter region och kategori

När ni har beräknat en kolumn för revenue är nästa naturliga steg att aggregera den efter affärsdimensioner som region och category. Anropet groupby() i Pandas delar upp DataFrame i grupper, ni tillämpar en aggregeringsfunktion och Pandas kombinerar resultaten till en sammanfattningstabell. Mönstret dela upp–tillämpa–kombinera ersätter nästlade SQL-frågor med GROUP BY.

Aggregera intäkter efter produktkategori för att identifiera vilka kategorier som står för den största försäljningen. Använd .agg() för att beräkna flera statistiska mått samtidigt – totala intäkter, antal order och genomsnittligt ordervärde – i en enda genomgång av data i stället för tre separata groupby-anrop.

Skicka en lista med kolumner till groupby() för att skapa en sammanfattning i två nivåer. Resultatet har ett MultiIndex – den yttre nivån är region och den inre kategorin. Använd .reset_index() för att omvandla det till en vanlig DataFrame som lämpar sig för vidare filtrering eller export till en rapport.

Absoluta intäktsbelopp är användbara, men intäktsandel visar varje kategoris bidrag till totalen. Dividera totalsumman per kategori med totalsumman för alla kategorier och multiplicera med 100. Tricket transform('sum') sprider totalsumman till varje rad, så att ni kan beräkna procentandelen i ett enda vektoriserat steg.

Identifiera de fem främsta produkterna efter totala intäkter med groupby('product')['revenue'].sum().nlargest(5). Metoden nlargest() är mer koncis än att sortera och ta ett utsnitt. Kunskap om de främsta SKU:erna vägleder lagerbeslut och hjälper er att fokusera marknadsföringsinsatser där intäktseffekten är störst.

En region kan ha många order men ett lågt genomsnittligt ordervärde, eller tvärtom. Beräkna båda måtten bredvid varandra för att skilja regioner som drivs av volym från regioner som drivs av värde. Använd agg() med en ordlista för att tilldela beskrivande kolumnnamn och hålla resultatet lättläst.

Beräkna varje regions andel av de totala intäkterna. Använd groupby().sum() och dividera sedan med totalsumman. Då blir det enkelt att besvara frågor på ledningsnivå, som "Hur stor andel av våra intäkter kommer från region North?", med ett enda DataFrame-uttryck.

Använd groupby().filter() för att behålla endast rader som tillhör kategorier vars totala intäkter överstiger ett tröskelvärde. Detta är användbart när ni vill ta bort nischkategorier från en visualisering eller modell för att fokusera på väsentliga segment. Filtret tar emot en grupp-DataFrame och returnerar ett booleskt värde.

Kombinera två groupby-nycklar – månad och kategori – för att följa hur varje kategoris intäkter utvecklas över tid. Pivotera resultatet med unstack('category') för att få en matris där raderna är månader och kolumnerna kategorier, vilket gör det enkelt att upptäcka säsongsmönster för varje kategori.

Identifiera den bäst säljande produkten i varje region genom att kombinera groupby med idxmax(). Gruppera efter region och produkt för att få totala intäkter per kombination och välj sedan, för varje region, produktindexet med högst intäkt. Det här mönstret visar om olika regioner föredrar olika produkter.

När ni har beräknat sammanfattningen per region och kategori exporterar ni den till Excel med to_excel(), så att intressenter som föredrar kalkylblad kan använda den. Använd ExcelWriter för att skriva flera sammanfattande DataFrame-objekt till separata blad i samma arbetsbok. Lägg till en tidsstämpel i filnamnet, så att varje körning skapar en versionsmärkt utdatafil.

I den här lektionen har du lärt dig: gruppera efter en och två nycklar för att beräkna intäktssammanfattningar, beräkna procentuella intäktsandelar och de främsta N SKU:erna samt exportera sammanfattande Excel-rapporter med flera blad. Härnäst utforskar vi visualisering av månadstrender med linjediagram och glidande medelvärden.