电商销售数据分析可视化实战教程（pandas + matplotlib）

一、这套资源解决什么问题

毕业设计、课程作业或工作汇报里经常要交「数据分析可视化」作业：给一份订单数据，出清洗逻辑 + 图表 + 结论。本资源给出一套可一键复现的完整工程：从造数据、清洗脏数据到六维图表与分析报告，全部脚本化，改数据源即可换题复用。

二、环境准备

Python 3.10+，安装依赖：

pip install pandas matplotlib

中文图表需要系统有微软雅黑（Windows 自带）。

三、三步跑通

1. python generate_data.py —— 生成 12050 行订单（固定种子，含 30 条金额空值、50 条重复单、20 条负额，专门用于演示清洗）
2. python analyze_visualize.py —— 输出 6 张图到 charts/，并自动写「分析报告.md」
3. 打开 分析报告.md 与 charts/ 即为成品；替换 data/orders_raw.csv 换成自己的数据即可复用整条流水线

四、六个图表与对应分析方法

1. 月度趋势折线图：groupby 月份求和，识别大促季（实测 11 月峰值）
2. 品类占比饼图：销售额结构，第一品类占比 30%+
3. 城市排行条形图：区域贡献度，前四城集中度
4. 渠道漏斗图：APP/小程序/PC/H5 销售结构
5. 品类×城市客单价热力图：pivot_table + imshow，定位高客单组合
6. 渠道×月份热力图：季节性 × 渠道交叉洞察

五、清洗逻辑（面试常问）

• 按 order_id 去重（50 条重复）
• 金额空值剔除（30 条）
• 负额非法值剔除（20 条）
• 每一步都统计行数并写进报告，体现处理痕迹

六、适配自己的数据

保持列名：order_id / month / city / category / channel / amount / qty。列名不同时改 analyze_visualize.py 顶部读入后的 rename 即可；图表数量可按需增删，每个图独立成段方便裁剪。

完整资源已整理上传（配套源码、脚本与教程）：

电商销售数据分析可视化实战源码（pandas+matplotlib，含教程与实测报告）

如果在实践过程中遇到问题，欢迎评论区交流。