Python 数据集研究与可视化实例指南
发布时间：2021-06-04 16:24:44 所属栏目：大数据 来源：互联网
导读：情景再现： 你的任务是提高销售团队的绩效。在我们假设的情况下，潜在客户有相当自发的需求。当这种情况发生时，您的销售团队会在系统中放置一个订单线索。然后，您的销售代表会设法安排一次会议，会议将在订单线索被注意到的时候举行。有时在前，有时在后。
|
情景再现：
你的任务是提高销售团队的绩效。在我们假设的情况下，潜在客户有相当自发的需求。当这种情况发生时，您的销售团队会在系统中放置一个订单线索。然后，您的销售代表会设法安排一次会议，会议将在订单线索被注意到的时候举行。有时在前，有时在后。你的销售代表有一个把会议和餐费结合起来的开支预算。销售代表花费他们的成本，并将发票交给会计团队处理。在潜在客户决定是否接受您的报价后，销售代表会跟踪订单线索是否转化为销售。
对于分析，您可以访问以下三个数据源：
订单线索(包含所有订单线索和转换信息)
销售团队(包括公司和负责的销售代表)
发票(提供发票和参与者的信息)
导入和安装：
需要安装标准库，此外，通过使用以下命令,在你的Notebook上安装seaborn.
!pip install seaborn
下载数据：
您可以按照上周的说明下载并合并数据，也可以从此处下载文件并将其加载到 Notebook中。
sales_team 数据表的前两行
order_leads数据表的前两行
invoices数据表的前两行
开始探索
总转化率发展：
转化率随时间的变化
事情似乎在2017年初走下坡路。经过与首席销售官核实，发现大约在那个时候有一个竞争对手进入了这个市场。很高兴知道，但我们现在无能为力。
_ = order_leads.set_index(pd.DatetimeIndex(order_leads.Date)).groupby( pd.Grouper(freq='D')
)['Converted'].mean()
ax = _.rolling(60).mean().plot(figsize=(20,7),title='Conversion Rate Over Time')
vals = ax.get_yticks()
ax.set_yticklabels(['{:,.0f}%'.format(x*100) for x in vals])
sns.despine()
鸿蒙官方战略合作共建——HarmonyOS技术社区
我们使用下划线_作为临时变量。对于以后不再使用的一次性变量，我通常会这样做。
我们在order_leads.Date上使用了pd.DateTimeIndex并将结果设置为索引，这使我们能够
使用pd.Grouped(freq ='D')按天对数据进行分组。 或者，您可以将频率更改为W，M，Q或Y(每周，每月，每季度或每年)
我们计算每天“转换”的平均值，这将给出当天订单的换算率。
我们使用.roll(60)和.mean()来获得60天的滚动平均值。
然后我们格式化yticklables，使它们显示一个百分号。
 （编辑：伊春站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
