课程库 › AI 主线 › 阶段项目与数学直觉 › 第 2 课

阶段项目（二）：分析与可视化 —— 分步引导

项目课约 75 分钟

本课导读

数据洗净了，今天回答委托方的四个问题——每问一张图，每图一个结论。本课与之前所有课的区别：提示只给方向，代码主要靠你写（参考实现折叠在后面）。这是有意的——作品集项目的含金量，取决于你独立完成的比例。预计 75 分钟。

第零步：重建道具（先运行这一块）

本课各块共用同一份干净数据。先运行这块生成 sales_clean.csv（内容与上一课交付一致），之后每块直接读它；中途刷新过页面就回来重跑一次：

Python

import random
import pandas as pd

def make_clean_sales(path="sales_clean.csv", n=200, seed=7):
  """重建上一课交付的干净数据（生成 + 同款清洗流水线）"""
  random.seed(seed)
  products = [("旗舰键盘", "外设", 599), ("无线鼠标", "外设", 149),
              ("4K显示器", "屏幕", 1599), ("降噪耳机", "音频", 459),
              ("桌面手托", "配件", 89), ("键帽套装", "配件", 129)]
  cities = ["上海", "北京", "深圳", "广州", "杭州"]
  rows = []
  for i in range(n):
      name, cat, price = random.choice(products)
      month = random.choices([1, 2, 3, 4, 5, 6], weights=[20, 22, 28, 32, 42, 56])[0]
      rows.append([1000 + i, f"2026-{month:02d}", name, cat, price,
                   random.randint(1, 3), random.choice(cities)])
  df = pd.DataFrame(rows, columns=["order_id", "month", "product",
                                   "category", "price", "qty", "city"])
  df.loc[df.sample(8, random_state=1).index, "city"] = " 上海 "
  df.loc[df.sample(5, random_state=2).index, "price"] = "补录中"
  df.loc[df.sample(6, random_state=3).index, "qty"] = None
  df = pd.concat([df, df.sample(7, random_state=4)])
  # 上一课的清洗流水线
  df = df.drop_duplicates()
  df["price"] = pd.to_numeric(df["price"], errors="coerce")
  df["city"] = df["city"].str.strip()
  df = df.dropna(subset=["price"])
  df["qty"] = df["qty"].fillna(1)
  df["amount"] = df["price"] * df["qty"]
  df.to_csv(path, index=False)
  return len(df)

n = make_clean_sales()
print(f"道具就位：sales_clean.csv，{n} 行")

import random
import pandas as pd

def make_clean_sales(path="sales_clean.csv", n=200, seed=7):
  """重建上一课交付的干净数据（生成 + 同款清洗流水线）"""
  random.seed(seed)
  products = [("旗舰键盘", "外设", 599), ("无线鼠标", "外设", 149),
              ("4K显示器", "屏幕", 1599), ("降噪耳机", "音频", 459),
              ("桌面手托", "配件", 89), ("键帽套装", "配件", 129)]
  cities = ["上海", "北京", "深圳", "广州", "杭州"]
  rows = []
  for i in range(n):
      name, cat, price = random.choice(products)
      month = random.choices([1, 2, 3, 4, 5, 6], weights=[20, 22, 28, 32, 42, 56])[0]
      rows.append([1000 + i, f"2026-{month:02d}", name, cat, price,
                   random.randint(1, 3), random.choice(cities)])
  df = pd.DataFrame(rows, columns=["order_id", "month", "product",
                                   "category", "price", "qty", "city"])
  df.loc[df.sample(8, random_state=1).index, "city"] = " 上海 "
  df.loc[df.sample(5, random_state=2).index, "price"] = "补录中"
  df.loc[df.sample(6, random_state=3).index, "qty"] = None
  df = pd.concat([df, df.sample(7, random_state=4)])
  # 上一课的清洗流水线
  df = df.drop_duplicates()
  df["price"] = pd.to_numeric(df["price"], errors="coerce")
  df["city"] = df["city"].str.strip()
  df = df.dropna(subset=["price"])
  df["qty"] = df["qty"].fillna(1)
  df["amount"] = df["price"] * df["qty"]
  df.to_csv(path, index=False)
  return len(df)

n = make_clean_sales()
print(f"道具就位：sales_clean.csv，{n} 行")

问题一：销售额月度走势如何？

分析动作：按 month 分组求 amount 合计 → 折线图。装裱要求：数据点标记、结论式标题（先看数字再想标题）、y 轴单位、淡网格。

Python

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("sales_clean.csv")

# 你的代码：groupby("month")["amount"].sum() → ax.plot

✅ 问题一参考

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("sales_clean.csv")

monthly = df.groupby("month")["amount"].sum()

fig, ax = plt.subplots(figsize=(6.5, 3.2))
ax.plot(monthly.index, monthly.values, marker="o", linewidth=2)
ax.set_title("销售额逐月攀升，6 月冲上半年峰值")
ax.set_xlabel("月份")
ax.set_ylabel("销售额（元）")
ax.grid(axis="y", alpha=0.3)
ax.set_ylim(0, None)

图型：时间+变化=折线（口诀第一条）。你的标题不必一字一样，但必须带结论——看着上扬的线写《月度销售额》属于浪费标题位。

问题二：哪些品类/产品在赚钱？

分析动作：两层——先 category 汇总看大盘，再 product 排名找主力。装裱要求：产品排名用横向 barh、升序排（冠军在顶）、只给冠军上强调色、柱端标数值。

Python

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("sales_clean.csv")

# 你的代码：先打印 category 汇总，再画 product 排名图

✅ 问题二参考

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("sales_clean.csv")

print(df.groupby("category")["amount"].sum().sort_values(ascending=False))

by_product = df.groupby("product")["amount"].sum().sort_values()   # 升序
colors = ["#c9cdd4"] * len(by_product)
colors[-1] = "#e8734a"

fig, ax = plt.subplots(figsize=(6.5, 3.5))
ax.barh(by_product.index, by_product.values, color=colors)
ax.bar_label(ax.containers[0], fmt="%.0f")
ax.set_title("显示器与旗舰键盘扛起大盘，配件类存在感弱")
ax.set_xlabel("销售额（元）")

一次分析两层视角（品类大盘 + 产品明细）——委托方问"谁在赚钱"时，两层答案比一层专业。

问题三：哪个城市是主战场？

分析动作：city 汇总。你自己选图型（提示：5 个类别、比较类问题——上单元第一课的口诀）。另加一问：用 value_counts(normalize=True) 看订单量占比，和金额排名一致吗？

Python

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("sales_clean.csv")

# 你的代码

✅ 问题三参考

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("sales_clean.csv")

by_city = df.groupby("city")["amount"].sum().sort_values(ascending=False)

fig, ax = plt.subplots(figsize=(6, 3))
ax.bar(by_city.index, by_city.values)
ax.bar_label(ax.containers[0], fmt="%.0f")
ax.set_title("城市销售额分布")
ax.set_ylabel("销售额（元）")

print(df["city"].value_counts(normalize=True).round(2))

选型：类别比较 → 柱状（5 个类别也可以饼图看占比，能说出理由就都对）。金额排名和单量占比若有出入（某城市单少但客单高），那本身就是个值得写进报告的发现。

问题四：客单价什么水平？

分析动作：amount 列整体统计 + 分布。装裱要求：直方图 + 在标题里报出平均值/中位数两个数。

Python

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("sales_clean.csv")

# 你的代码（提示：mean/median 先算出来，再 ax.hist）

✅ 问题四参考

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("sales_clean.csv")

avg = df["amount"].mean()
med = df["amount"].median()

fig, ax = plt.subplots(figsize=(6.5, 3.2))
ax.hist(df["amount"], bins=12)
ax.set_title(f"客单价均值 {avg:.0f} 元、中位数 {med:.0f} 元——低价单为主，高价单拉高均值")
ax.set_xlabel("订单金额（元）")
ax.set_ylabel("订单数")

均值明显高于中位数 = 分布右侧有长尾（少量高价大单拉高了平均）——均值和中位数打架时，两个都报，只报均值会误导委托方。

验收清单（本课部分）

分步操作

四问四图全部产出，每张图的标题都带结论（不是复述内容）
排名图排了序、强调色只有一个、柱端有数值——装裱清单逐项过
每张图配得出一句人话结论（下一课报告直接用）
发现至少一个“数字里的意外”（如均值中位数背离、某城市单少额高）——这是分析和跑数的区别

📝 随堂测验

随堂测验0 / 5 题正确

1. “每问一张图，每图一个结论”这个工作方式，防的是什么病？

2. 产品排名图为什么升序排、又只给一根柱子上色？

3. 客单价均值 400、中位数 250，说明什么、怎么报告？

4. 问题三里金额排名第一的城市和订单量占比第一的城市不一致，应该？

5. 本课的代码为什么坚持“提示给方向、代码自己写”？

本课小结

四问四答齐了：走势折线（逐月攀升）、产品排名（双层视角）、城市分布、客单价直方（均值中位数背离）
装裱清单在真实项目全程执行：结论标题、排序、强调色、数值标注
学会捕捉"数字里的意外"——那是报告里最值钱的段落

最后一课：把四图四结论组装成一页正式报告，配上口径说明，推上 GitHub——作品集第三件，收工。

划选正文任意文字可高亮、批注或加入复习卡

讨论

载入中…