【数据可视化-24】巧克力销售数据的多维度可视化分析

🧑 博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉丝群介绍：① 群内初中生、高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。

一、引言

  在当今激烈的市场竞争中，数据可视对于巧克力销售行业尤为重要。它可以帮助企业深入了解销售趋势、消费者偏好以及产品表现等关键信息，从而制定更精准的市场策略。本文将通过一个详细的巧克力销售数据集，从多个维度进行深入的可视化分析，揭示巧克力销售背后隐藏的规律和洞察。

二、数据探索

2.1 数据加载与预览

  首先，我们需要将数据加载到Python环境中，并进行初步的预览和探索。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')# 设置中文字体
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
# 加载数据集
data = pd.read_csv("Chocolate Sales.csv")
print(data.head())         # 显示前几行数据
print(data.info())         # 查看数据基本情况
print(data.isnan().sum())  #查看数据缺失值情况
print(data.duplicated().any()) #查看数据中重复值的情况

  从上面的结果中，我们对数据有了一个初步的了解：

• 1、数据一共包含1094个样本，存在6个维度，分别是销售人员、国家、产品类型、销售日期、销售金额、出货箱数
• 2、数据中只有Boxes Shipped（出货箱数）为数值型特征，其它的维度均为类别型特征
• 3、数据中无缺失值
• 4、数据中无重复值

2.2 数据清洗与转换

  在进行深入分析之前，我们需要对数据进行清洗和转换，以确保其准确性和一致性。

# 对销售金额列进行清洗，转换成数据型特征列
data['Amount'] = data['Amount'].replace({'\$': '', ',': ''}, regex=True).astype(int)# 对销售日期进行清洗，转换成datetime个数，并提取月份
data["Date"] = pd.to_datetime(data["Date"])
data["Month"] = data["Date"].dt.month

2.3 销售数据的初步统计

  了解数据的基本统计信息对于后续分析至关重要。我们可以使用describe()方法来获得数值型列的统计摘要。

print(data.describe())  # 显示数值型列的统计摘要

2.4 数据特征之间的分布分析

  使用配对图来分析数据集中不同变量之间的关系。

sns.pairplot(data,hue='Country')
plt.figure(figsize=(10, 6))
plt.show()

  各个国家的销售额、出货箱数和销售月份分布大致一致；

三、数据可视化

3.1 个人在巧克力上花费的情况

# Group by 'Sales Person' and sum the amounts.
sales_by_person = df.groupby('Sales Person')['Amount'].sum().reset_index()# Plot the results.
plt.figure(figsize=(12, 6))
sns.barplot(data=person_sales, x='Sales Person', y='Amount')
plt.xlabel("Sales Person")
plt.ylabel("Total Sales ($)")
plt.title("Sales by Person")
plt.xticks(rotation=45, fontsize=8)
plt.show()

  从上图可以看出，个人在巧克力上的花费大多都在200000$以上；

3.2 日销售额变换情况

data_amount = data.groupby('Date')['Amount'].sum()
plt.figure(figsize=(12, 5))
plt.plot(data_amount.index, data_amount.values, marker='o')
plt.title('Sum Amount by day')
plt.xlabel('Data')
plt.ylabel('Amount[$]')
plt.grid(True)
plt.xticks(rotation=45)  
plt.show()

3.3 产品销售情况分析

  我们可以从产品维度分析不同巧克力产品的销售表现。

plt.figure(figsize=(12, 5))
sns.countplot(x="Product", data=data)
plt.xticks(rotation=45)
plt.title('Product Count Graph')
plt.ylabel('Count')
plt.xlabel('Product')
plt.show()

3.4 国家销售情况分析

从国家维度分析巧克力在不同地区的销售分布。

plt.figure(figsize=(15, 8))
sns.countplot(x="Country", data=data)
plt.xticks(rotation=45)
plt.title('Country Sales Count Graph')
plt.ylabel('Count')
plt.xlabel('Country')
plt.show()

3.5 月度销售趋势分析

通过时间维度分析巧克力产品的月度销售趋势，以识别销售高峰和低谷。

plt.figure(figsize=(15, 8))
sns.countplot(x="Month", data=data)
plt.title('Product ordered most month in 2022')
plt.ylabel('Count')
plt.xlabel('Month')
plt.show()

3.6 产品月度销售表现

深入分析特定产品的月度销售表现，以了解产品的季节性需求。

plt.figure(figsize=(30, 15))
sns.countplot(x="Month", data=data, hue='Product')
plt.title('Top 5 Chocolate Products of 2022')
plt.ylabel('Count')
plt.xlabel('Product')
plt.legend()
plt.show()

3.7 国家与出货箱数的关系

分析国家与出货箱数之间的关系，以了解不同市场的需求规模。

plt.figure(figsize=(12, 6))
# 绘制箱线图
sns.boxplot(data=data, x="Country", y="Boxes Shipped")# 添加标题
plt.title('Boxes Shipped by Country')
plt.show()

3.8 销售额与地区和巧克力种类的关系

# Find Out the best in location!
pivot_table = df.pivot_table(index='Country', columns='Product', values='Amount', aggfunc='sum', fill_value=0)plt.figure(figsize=(12, 8))
sns.heatmap(pivot_table, annot=False, cmap='Blues')
plt.xlabel("Chocolate Category")
plt.ylabel("Country")
plt.title("Total Sales by Country and Chocolate Category")
plt.tight_layout()
plt.show()

四、结论与洞见

通过以上的多维度可视化分析，我们可以得出以下结论：

1. 不同巧克力产品在销售量上存在显著差异，某些产品更受消费者欢迎。
2. 澳大利亚是主要的销售市场，其次是印度、美国等国家。
3. 某些月份的销售表现更为突出，可能存在季节性因素影响。

这些洞见可以帮助巧克力销售企业优化产品组合，调整市场策略，以更好地满足消费者需求并提高销售业绩。通过深入的数据可视化分析，企业可以发现潜在的销售机会和挑战，从而在激烈的市场竞争中保持领先地位。

---