一个用Python制作销售数据大屏的方法！库

在数据时代，销售数据分析的重要性不言而喻。

只有对销售数据进行准确分析，才能查明数据变化（增加或减少）的原因。

那么解决问题，发现新的增长点就成为可能！

今天给大家介绍一种使用Python创建销售数据大屏的方法。

主要使用Python的Streamlit库、Plotly库、Pandas库构建。

Pandas 处理数据，Plotly 创建可视化图表，Streamlit 构建可视化页面。

对于以上三个库，Streamlit库大家可能比较陌生，所以简单介绍一下。

Streamlit 是一个完全免费的开源应用程序框架，可以帮助您快速创建一个很酷的网页，而无需了解复杂的 HTML、CSS 和其他前端技术。

01.数据

所用数据为虚构数据，2021年某超市销售订单数据，一共1000个订单数据。

共有三个城市，分别是北京、上海和杭州。有两种类型的客户，会员和普通客户。客户性别为男性和女性。

其余还包括订单号、商品类型、单价、数量、总价、日期、时间、支付方式、成本、毛利率、总收入、评级等信息。

一般的 Pandas read_excel 方法读取数据。

跳过前 3 行，选择 B 到 R 列，1000 行数据。

def get_data_from_excel():
    df = pd.read_excel(
        io="supermarkt_sales.xlsx",
        engine="openpyxl",
        sheet_name="Sales",
        skiprows=3,
        usecols="B:R",
        nrows=1000,
    )
    # 添加小时列数据
    df["小时"] = pd.to_datetime(df["时间"], format="%H:%M:%S").dt.hour
    return df
df = get_data_from_excel()
print(df)

成功读取数据，结果如下。

现在您可以编写页面了。

02.网页标题和图标

我们都知道，当浏览器打开一个网页时，会有一个标题和一个图标。

所以我们需要先设置这个网页的名称、图标、布局等。

这也是第一个使用Streamlit构建页面的Streamlit命令web大屏数字变化，只能设置一次。

# 设置网页信息 
st.set_page_config(page_title="销售数据大屏", page_icon=":bar_chart:", layout="wide")

page_icon 参数可以使用 emoji 代码来显示图标。

03.侧边栏和复选框

st.sidebar（侧边栏），传递给st.sidebar的每一个元素都会固定在左边web大屏数字变化，让用户专注于首页的内容。

multiselect 是一个交互式小部件，通过它可以过滤数据。

# 侧边栏
st.sidebar.header("请在这里筛选:")
city = st.sidebar.multiselect(
    "选择城市:",
    options=df["城市"].unique(),
    default=df["城市"].unique()
)
customer_type = st.sidebar.multiselect(
    "选择顾客类型:",
    options=df["顾客类型"].unique(),
    default=df["顾客类型"].unique(),
)
gender = st.sidebar.multiselect(
    "选择性别:",
    options=df["性别"].unique(),
    default=df["性别"].unique()
)
df_selection = df.query(
    "城市 == @city & 顾客类型 ==@customer_type & 性别 == @gender"
)

结合Pandas查询查询，可以过滤数据。

通过以上代码构建成功，如下图左侧所示。

点击侧边栏右上角的关闭符号隐藏侧边栏。

页面将显示主页。

04.主页信息

接下来，编写主页信息，包括主页标题、总销售额、平均评分和平均销售额信息。

类似于网页图标，通过表情符号代码实现。

# 主页面
st.title(":bar_chart: 销售数据大屏")
st.markdown("##")
# 核心指标, 销售总额、平均评分、星级、平均销售额数据
total_sales = int(df_selection["总价"].sum())
average_rating = round(df_selection["评分"].mean(), 1)
star_rating = ":star:" * int(round(average_rating, 0))
average_sale_by_transaction = round(df_selection["总价"].mean(), 2)
# 3列布局
left_column, middle_column, right_column = st.columns(3)
# 添加相关信息
with left_column:
    st.subheader("销售总额:")
    st.subheader(f"RMB {total_sales:,}")
with middle_column:
    st.subheader("平均评分:")
    st.subheader(f"{average_rating} {star_rating}")
with right_column:
    st.subheader("平均销售额:")
    st.subheader(f"RMB {average_sale_by_transaction}")
# 分隔符
st.markdown("""---""")

完成核心指标数据的处理，并在布局中展示。

05.主页图表

包含两张图表，一张表示每小时销售额，一张表示各种商品的总销售额。图表是通过 Plotly Express 绘制的。

Plotly Express 是一个新的高级 Python 可视化库，它是 Plotly.py 的高级包装器，为复杂图形提供简单的语法。

受 Seaborn 和 ggplot2 的启发，它经过专门设计，具有干净、一致且易于学习的 API。通过一次导入，可以在一个函数调用中创建丰富的交互式绘图。

# 各类商品销售情况(柱状图)
sales_by_product_line = (
    df_selection.groupby(by=["商品类型"]).sum()[["总价"]].sort_values(by="总价")
)
fig_product_sales = px.bar(
    sales_by_product_line,
    x="总价",
    y=sales_by_product_line.index,
    orientation="h",
    title="每种商品销售总额",
    color_discrete_sequence=["#0083B8"] * len(sales_by_product_line),
    template="plotly_white",
)
fig_product_sales.update_layout(
    plot_bgcolor="rgba(0,0,0,0)",
    xaxis=(dict(showgrid=False))
)
# 每小时销售情况(柱状图)
sales_by_hour = df_selection.groupby(by=["小时"]).sum()[["总价"]]
print(sales_by_hour.index)
fig_hourly_sales = px.bar(
    sales_by_hour,
    x=sales_by_hour.index,
    y="总价",
    title="每小时销售总额",
    color_discrete_sequence=["#0083B8"] * len(sales_by_hour),
    template="plotly_white",
)
fig_hourly_sales.update_layout(
    xaxis=dict(tickmode="linear"),
    plot_bgcolor="rgba(0,0,0,0)",
    yaxis=(dict(showgrid=False)),
)
left_column, right_column = st.columns(2)
left_column.plotly_chart(fig_hourly_sales, use_container_width=True)
right_column.plotly_chart(fig_product_sales, use_container_width=True)

添加数据、设置图表配置和页面布局。

结果如下。

06.隐藏部分

当我们通过Streamlit构建界面时，默认会出现红线、菜单、末尾的“Make with Streamlit”。

为了美观，可以隐藏在这里。

# 隐藏streamlit默认格式信息
hide_st_style = """
            
            """
st.markdown(hide_st_style, unsafe_allow_html=True)

这样一个交互式销售数据板的搭建就完成了！

# 安装依赖库
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple plotly==4.14.3
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas==1.1.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple streamlit==0.86.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openpyxl==3.0.6
# 运行
streamlit run app.py

安装相关依赖，在命令行终端运行程序。