APP下载

卡车销售分布多角度动态分析研究

2020-09-06刘梅梅

汽车实用技术 2020年16期
关键词:动态分析代码

刘梅梅

摘 要:Python和Excel作为强大的数据分析工具,具有丰富的数据分析功能,通过设计专用平台,可以解决许多领域的数据分析问题。文章基于轻型车辆销售信息,利用Excel和Python平台给出不同要求下的销售数据分布状态。

关键词:Python;代码;数据透视表;数据透视图;切片器;动态分析

中图分类号:U461.99  文献标识码:A  文章编号:1671-7988(2020)16-267-03

Abstract: As powerful data analysis tools, Python and Excel have rich data analysis functions. Through the special design platform, data analysis problems in many fields can be solved. Based on the sales information of light vehicles, this paper uses Excel and Python platforms to give the distribution status of sales data under different requirements.

Keywords: Fython; Code; Pivottable; Pivotchart; Slicer; Dynamic analysis

CLC NO.: U461.99  Document Code: A  Article ID: 1671-7988(2020)16-267-03

前言

在当今这个大数据时代和互联网+时代,如何从海量数据中高效地提取有用信息,为管理者提供决策支持,是数据分析者必须具备的技能,而技能需要借助工具方可施展。Excel数据透视表与Python作为数据处理的不同工具,各具特点,为轻型车辆销售多角度数据分析提供了有利支撑。

1 基于需求创建动态数据源

图1是2019年某细分车型销量,本文以该数据库作为分析对象。用它为数据源进行动态分析。则需要执行以下步骤:

注意:

(1)数据透视图及其表必须始终位于同一个工作簿中;

(2)如果为数据透视表数据插入了标准图表(位于“插入”选项卡上的“图表”组中),则这个图表将是与该数据透视表相关联的一个数据透视图;

(3)数据库单元格不能为空,比如用空格对齐文本(名字中间加空格、文字前面加空格),都应该用对齐工具。另外,空格一律有“0”或者短横杠来补齐;

(4)数据库在分析数据前应该保证每一列文字格式统一。

步骤1:在图1所示的销售统计表中单击任意一个单元格,在【插入】选项卡中单击【表格】按钮,弹出【创建表】对话框,如图2所示。

步骤2:单击【确定】按钮,即可将当前销售统计表转化为Excel中的“表格”,即所谓的动态数据源。

2 利用数据透视表进行多角度分析数据

2.1 不同车辆类型、数量销售情况

根据管理需求,各个子品牌不同区域的销售量情况汇总分析,这里需要通过对子品牌、数量采取按区域组合方式,组合功能增强了数据透视表分类汇总的适应性。操作步骤如下:

步骤1:单击上述动态数据源表中任意非空单元格然后在【插入】选项卡下单击【数据透视表】按钮的下拉选项【数据透视图】,系统弹出【创建数据透视表及数据透视图】对话框,如图3所示。选择要分析的数据为默认区域【表1】,放置数据透视表及数据透视图的位置为【新工作表】。

步骤2:单击【确定】按钮,会同时出现数据透视表和数据透视图的布局界面,按图4所示进行布局设置。

步驟3:这个透视表和透视图的显示车辆不是按类型进行汇总,而是按照车辆具体使用用途汇总,此时就需要进行类型组合。选中图4任意车辆功能单元格,单击鼠标右键,在快捷菜单中选择【创建组】,弹出【分组】对话框,设置其中【越野载货、载货越野】为【载货】。设置完成后对数据透视表和数据透视图进行适当美化,结果如图5所示。

2.2 各个子品牌自轻卡、数量及区域销售情况

按月份、子品牌、区域、销量汇总分析,这里只需将图4数据透视中行标签里的【车辆类型】更换为【子品牌】、【年份】、【区域】。再进行适当美化设置即可。结果如图6所示。

2.3 不同城市各子品牌轻卡销售情况

不同城市各子品牌轻卡销售数量分析,只需要将图6数据透视表字段列表中行标签里的【区域】更换为【城市】,再进行适当美化设置即可,结果如图7所示。

3 Python表进行多角度分析数据

和excel相比,python对于数据的处理更加简便、清晰,通常短短几行代码可以解决比较复杂的excel操作。就上面的例子,给出对应的python代码(见附录1)。

数据分析结果为:

4 结论

Python在分析数据操作过程中,数据库运行速度更快,可以大大减少使用者的等待时间,及时掌握数据分析结果,发挥其利用价值。

参考文献

[1] 马竹青.数据透视表实现数据分析[J].电脑知识与技术:学术交流版.2015(21):58-59.

[2] Excel Home.Excel 2010数据透视表应用大全[M].北京:人民邮电出版社.2013.

[3] 张若愚.Python科学计算[M].北京:清华大学出版社,2012:1.

[4] ToBy Segaran.集体智慧编程[M].北京:电子工业出版社,2015:29- 53.

[5] Wes McKinney.利用 Python 进行数据分析[M].北京:机械工业出版社,2014:291-301.

猜你喜欢

动态分析代码
神秘的代码
基于污点传播动态分析的Android安全系统研究
基于组合评价法的企业融资效率动态综合评价
一周机构净增(减)仓股前20名
重要股东二级市场增、减持明细
会计准则改革动态及相关研究
据题类析高中物理动态问题的部分解题技巧
近期连续上涨7天以上的股