数据分析师的Python入门（8）——真实业务场景实战

数据分析师的Python入门（8）——真实业务场景实战

一、销售数据清洗工具

def clean_sales_data(raw_data):
    """数据清洗流水线"""
    return [
        {
            "date": item["date"],
            "amount": float(item["amount"]),
            "region": item["region"].strip() or "未知"
        }
        for item in raw_data
        if float(item["amount"]) > 0  # 过滤负值
    ]

# 测试数据
raw = [
    {"date": "2023-08-01", "amount": "1500", "region": " 华东 "},
    {"date": "2023-08-02", "amount": "-999", "region": ""}
]
print(clean_sales_data(raw))  # 仅保留第一条有效记录

二、多维度数据统计

def calculate_kpis(data):
    """计算关键业务指标"""
    return {
        "total_sales": sum(item["amount"] for item in data),
        "avg_daily": sum(item["amount"] for item in data) / len(data),
        "top_region": max(set([item["region"] for item in data]), 
                         key=lambda x: sum(i["amount"] for i in data if i["region"]==x))
    }

# 使用示例
sales_data = [
    {"region": "华东", "amount": 1500},
    {"region": "华南", "amount": 2000},
    {"region": "华东", "amount": 1800}
]
print(calculate_kpis(sales_data))  
# {'total_sales': 5300, 'avg_daily': 1766.67, 'top_region': '华东'}

三、自动化报告生成

from datetime import datetime

def generate_report(analysis_data):
    """生成Markdown格式报告"""
    return f"""
# 销售数据分析报告
## 统计时间：{datetime.now().strftime("%Y-%m-%d")}

### 核心指标
- 总销售额：￥{analysis_data['total_sales']:,.2f}
- 日均销售额：￥{analysis_data['avg_daily']:,.2f}
- 最佳销售区域：{analysis_data['top_region']}
"""

# 生成并保存报告
report = generate_report(calculate_kpis(sales_data))
with open("report.md", "w") as f:
    f.write(report)