第3章 数据分析

3.1 项目背景

数据集记录了完整的用户、订单、商品、浏览行为、评分等电商交易数据，具有时间跨度长、用户规模大、行为类型丰富等特点。这些特点决定了数据中隐藏着大量消费趋势和用户偏好模式。

例如，相对于“查询用户U10001在2022年5月1日下的订单详情”这样的细节查询，更具洞察力的查询还包括：

• “2023年广东省用户最偏爱的商品品类有哪些？”

• “过去5年广州地区用户的下单量是否呈增长趋势？”

• “90后女性用户更偏好哪类商品？”

• “近三个月热销商品是否集中在某几个品牌？”

• “高评分商品是否价格更高？”

上述查询可帮助企业从复杂的大数据中提炼出有价值的信息，辅助产品推荐、营销策略与用户运营。

3.2 技能图谱

Pandas 数据分析
│
├── 1. 列处理
│   ├── 重命名列
│   │   └── df.rename(columns={"旧列名":"新列名"}, inplace=False)
│   ├── 删除列
│   │   └── df.drop(columns=["列名"], inplace=False)
│   └── 合并列
│       ├── 字符串拼接 → df["新列"] = df["A"] + "_" + df["B"]
│       └── 数值运算 → df["新列"] = df["数量"] * df["单价"]
│
├── 2. 日期处理
│   ├── 转换日期格式
│   │   └── pd.to_datetime(df["日期列"])
│   ├── 提取时间组件
│   │   ├── .dt.year / .dt.month / .dt.day
│   │   └── .dt.strftime("%Y-%m")
│   └── 时间运算
│       └── df["间隔"] = df["结束"] - df["开始"]
│
├── 3. 排序与统计
│   ├── 排序 sort_values()
│   │   ├── 单列排序 → df.sort_values(by="列")
│   │   └── 多列排序 → df.sort_values(by=["列1","列2"], ascending=[True,False])
│   ├── 单列统计
│   │   ├── mean() / sum() / max() / min()
│   │   ├── count() / nunique() / value_counts()
│   │   └── describe() 综合统计
│   └── 分组统计 groupby()
│       ├── 单列分组 + 单指标 → df.groupby("A")["B"].sum()
│       ├── 多列分组 → df.groupby(["A","B"])["C"].mean()
│       └── groupby + agg() 多指标
│          ├── df.groupby("A").agg({"B":"sum","C":"mean"})
│          └── 扁平化列名 → result.columns=[...]
│
├── 4. 表连接 merge()
│   ├── 基本语法 → pd.merge(df1, df2, on="key", how="inner")
│   ├── 连接方式
│   │   ├── inner → 保留匹配
│   │   ├── left  → 保留左表
│   │   ├── right → 保留右表
│   │   └── outer → 全部保留
│   ├── 不同列名连接 → left_on / right_on
│   └── 多字段连接 → on=["字段1","字段2"]
│
└── 5. 数据透视表 pivot_table()
    ├── 基本语法 → pd.pivot_table(df, index="行", values="值", aggfunc="sum")
    ├── 单维分析
    │   └── 按分类统计销量
    ├── 区域分析
    │   └── 按省份/城市统计订单量
    ├── 二维交叉
    │   └── index="brand", columns="payment_method"
    └── 加权统计
        └── df["金额"]=数量*单价*折扣，再聚合 sum()

3.3 列处理

3.3.1 重命名列标签

【知识点】

在 Pandas 中，使用 .rename() 方法可对 DataFrame 的列标签（列名）进行重命名。

【基本语法】

df.rename(columns={"旧列名": "新列名"}, inplace=False)

• columns={}：以字典形式传入要修改的列名；

• inplace=False ：是默认写法，可以省略，意思是不修改原数据，保存需要重新赋值

• inplace=True：直接修改原数据；

• 通常用于统一命名规范或清洗含空格/拼写不规范的列名。

【例 3-1】将用户表 users.csv 中的列名 user_name 改为 name，register_date 改为 signup_date

import pandas as pd
users = pd.read_csv("users.csv")
users = users.rename(columns={"user_name": "name", "register_date": "signup_date"})
users.head()

语法重点：

• 使用 .rename(columns={...}) 修改列名；

• 若不加 inplace=True，修改不会作用于原表，需使用新变量接收。

3.3.2 删除、合并列

【知识点1】删除列（drop() 方法）

使用 drop() 可删除指定列，常用于数据清洗或字段精简。

【语法结构】：

df.drop(columns=["列名1", "列名2"], inplace=False)

• columns=[...]：要删除的列名列表；

• inplace=True：是否原地修改，默认为 False；

• 支持删除一列或多列。

【知识点2】合并列（通过运算或拼接）

当需要将多个字段合成为一个字段时，可用字符串拼接或数值运算。

【语法结构】：

df["新列名"] = df["列A"] + "_" + df["列B"]

• 字符串字段可拼接（如城市+省份）；

• 数值列可加总（如数量 × 单价 = 金额）；

• 可使用 astype(str) 统一类型以避免错误。

【例 3-2】从 users.csv 中删除 province 列，并将 city 与 user_name 合并为新列 location

import pandas as pd
users = pd.read_csv("users.csv")
users.head()

# 删除列
users = users.drop(columns=["province"])

# 合并列为新列
users["location"] = users["city"] + "_" + users["user_name"]

users.head()

语法重点：

• .drop(columns=["col"]) 删除字段；

• 列拼接时使用 +，字段类型为字符串；

• 若拼接列为数字类型，需先 .astype(str)。

3.3.3 转换日期数据

【知识点】

Pandas 中可以通过 pd.to_datetime() 将字符串类型的日期字段转换为标准的 datetime64[ns] 类型，便于进行时间筛选、提取年/月/日、计算时间差等操作。

基本语法

data["日期列"] = pd.to_datetime(data["原始列"])

• 支持日期格式自动识别，也可添加 format 参数指定格式；

• 转换后可使用 .dt.year、.dt.month 等属性进行拆解；

• 日期字段在电商数据中常用于注册时间、下单时间、浏览时间、评分时间等。

【例 3-3】将用户表 users.csv 中的注册时间 register_date 字段转换为日期格式，并提取注册年份

import pandas as pd
users = pd.read_csv("users.csv")

# 转换日期字段
users["register_date"] = pd.to_datetime(users["register_date"])

# 提取年份
users["register_year"] = users["register_date"].dt.year

users[["user_id", "register_date", "register_year"]].head()

语法重点：

• pd.to_datetime() 可将字符串类型转换为标准日期时间类型；

• .dt.year, .dt.month, .dt.day, .dt.date 可提取时间组件；

• 转换为日期格式是做趋势分析、分组统计（如“每年订单量”）的前提。

教学小结：

【例 3-4】将订单表 orders.csv 中的下单时间 order_time 转换为日期格式，提取订单年份，并筛选出 2023年数据

import pandas as pd
orders = pd.read_csv("orders.csv")

# 1. 转换 order_time 为日期格式
orders["order_time"] = pd.to_datetime(orders["order_date"])

# 2. 提取年份字段,生成新列
orders["order_year"] = orders["order_time"].dt.year

# 3. 筛选 2023 年订单
orders.query('order_year==2023')

【练习题】

【练习 3-1】将商品表 products.csv 中的列名 unit_price 改为 price，并输出商品名称和价格。

import pandas as pd
products = pd.read_csv("products.csv")

# 重命名列
products = products.rename(columns={"unit_price": "price"})

# 查看商品名称与价格
print(products[["product_name", "price"]].head())

【练习 3-2】在用户表 users.csv 中删除 city 列，只查看 user_id、user_name、province列的 5 行。

users = pd.read_csv("users.csv")

# 删除 city 列
users = users.drop(columns=["city"])

# 查看部分结果
print(users[["user_id", "user_name", "province"]].head())

【练习 3-3】将评分表 product_ratings.csv 中的 rating_time 转换为日期格式，并提取出 评分月份，存入新列 month。

import pandas as pd

ratings = pd.read_csv("product_ratings.csv")

# 转换为日期格式
ratings["rating_time"] = pd.to_datetime(ratings["rating_time"])

# 提取月份（1-12）
ratings["month"] = ratings["rating_time"].dt.month

print(ratings[["user_id", "product_id", "month"]].head())

3.4 统计分析

3.4.1 实现数据排序

【知识点】

Pandas 中使用 .sort_values() 方法对 DataFrame 进行排序，可实现单列、多列排序，支持升序与降序控制。

基本语法：

df.sort_values(by="列名", ascending=True)

【例 3-5】对商品信息表 products.csv 按 unit_price 降序排序，查看前5个最贵商品的名称与价格

import pandas as pd
products = pd.read_csv("products.csv")

top_price = products.sort_values(by="unit_price", ascending=False)
top_price[["product_name", "unit_price"]].head()

语法重点：

• by="unit_price" 表示以价格字段排序；

• ascending=False 表示降序排序；

• 可用 .head() 提取前几项；

• 多列排序示例：by=["category", "unit_price"]（先按类别，再按价格）。

【例 3-6】对顾客信息表 users.csv 按年龄 age 升序排序，查看年龄最小的前5位顾客姓名与年龄

users = pd.read_csv("users.csv")

youngest = users.sort_values(by="age", ascending=True)
youngest[["user_name", "age"]].head()

语法点强化：

• by="age"：按年龄字段排序；

• ascending=True：升序，越小越靠前；

• head()：提取前5行，查看最年轻的顾客；

• 同样也可以在 sort_values() 中加入 inplace=True 直接修改原表。

【例 3-7】按地区 province 和年龄 age 升序排序，查看每个地区最年轻的顾客

users = pd.read_csv("users.csv")

sorted_users = users.sort_values(by=["province", "age"], ascending=[True, True])
sorted_users[["province", "user_name", "age"]].head(10)

语法说明：

• by=["province", "age"]：先按地区，再按年龄；

• ascending=[True, True]：两个字段都升序；

• 用 head(10) 查看前10行结果；

• 常用于分组下的优先级排序。

3.4.2 实现简单统计

【知识点】

Pandas 提供了丰富的统计方法用于对 DataFrame 或 Series 数据进行快速汇总，常用于描述性统计分析与业务概况分析。

常用统计方法（共 13 个）

【例 3-8】对订单明细表 order_items.csv 进行统计，计算商品总销量、平均购买数量、最大折扣

import pandas as pd
items = pd.read_csv("order_items.csv")

total_quantity = items["quantity"].sum()
avg_quantity = items["quantity"].mean()
max_discount = items["discount"].max()

print("总销量：", total_quantity)
print("平均购买数量：", avg_quantity)
print("最大折扣：", max_discount)

语法重点：

• 适用于单列计算；

• 可以配合 .groupby() 在后续实现按类统计；

• 可直接用于绘图、报告展示的前期数据准备。

3.4.3 实现分组统计

【知识点】

Pandas 提供 .groupby() 方法，可以按某一列或多列进行分组，对每组应用统计函数（如 sum、mean、count 等），实现分组聚合。

基本语法结构

df.groupby("列名")["指标列"].统计方法()

或：

data.groupby("列名").agg({"指标列1": "sum", "指标列2": "mean"})

• 支持单列或多列分组；

• 支持多个统计指标聚合；

• 可使用 .reset_index() 使结果转为 DataFrame 常规表格形式。

【例 3-9】对商品表 products.csv 按 category 进行分组，统计每个类别下的商品数量

# 方法一
import pandas as pd
products = pd.read_csv("products.csv")
# 对 products 表按 "category" 字段进行分组
# 然后使用 .size() 统计每个分组中的数据条数（即每类商品的数量）
# 最终返回一个 Series，索引为各类目，值为该类目的商品数量
# .reset_index(name="商品数量")：将结果转换为 DataFrame，并设置新列名为“商品数量”
category_counts = products.groupby("category").size().reset_index(name="商品数量")
category_counts

# 方法二
import pandas as pd
products = pd.read_csv("products.csv")
# .reset_index(name="商品数量")：将结果转换为 DataFrame，并设置新列名为“商品数量”
category_counts = products.groupby("category").size().reset_index(name="商品数量")
category_counts

【例 3-10】对订单明细表 order_items.csv 按 product_id 分组，统计每件商品的总销售数量

import pandas as pd
items = pd.read_csv("order_items.csv")

product_sales = items.groupby("product_id")["quantity"].sum().reset_index(name="总销量")
product_sales.head()

【例 3-11】对用户表 users.csv 按性别分组，计算每组用户的平均年龄

users = pd.read_csv("users.csv")

avg_age = users.groupby("gender")["age"].mean().reset_index(name="平均年龄")
avg_age

【例 3-12】对用户表 users.csv 按“省份 + 性别”分组，计算每组的平均年龄

import pandas as pd
users = pd.read_csv("users.csv")

# 按省份（province）和性别（gender）两个字段分组，统计每组的平均年龄
# groupby(["province", "gender"])：多字段分组
# ["age"].mean()：取年龄列计算平均值
# reset_index()：将分组结果转为普通表格，并命名新列为“平均年龄”
avg_age = users.groupby(["province", "gender"])["age"].mean().reset_index(name="平均年龄")

avg_age

语法重点总结：

3.4.4 综合聚合：使用 groupby + agg() 多字段多指标统计

【知识点】

.agg() 是 .groupby() 的增强版聚合操作，用于对每个分组执行一个或多个统计操作。

语法结构

data.groupby("分组字段").agg({
    "字段1": "聚合函数1",
    "字段2": ["聚合函数2", "聚合函数3"]
    ...
}).reset_index()
# .reset_index() 将结果索引变为普通列，方便后续操作

【例 3-12】在订单明细表中，统计每个商品的总销量与平均折扣

import pandas as pd
items = pd.read_csv("order_items.csv")

# 按商品分组，统计总销量与平均折扣
summary = items.groupby("product_id").agg({
    "quantity": "sum",         # 每个商品的总购买数量
    "discount": "mean"         # 每个商品的平均折扣
}).reset_index()

# 重命名列名，便于查看
summary.columns = ["product_id", "总销量", "平均折扣"]

# 显示前几行结果
summary.head()

【例 3-13】对用户表 users.csv，统计各省份用户的平均年龄与注册人数

import pandas as pd
users = pd.read_csv("users.csv")

# 按省份分组，统计平均年龄与注册人数
result = users.groupby("province").agg({
    "age": "mean",         # 统计平均年龄
    "user_id": "count"     # 统计注册用户数量
}).reset_index()

# 修改列名，便于展示
result.columns = ["省份", "平均年龄", "注册人数"]
result.head()

语法要点

【例 3-14】用户浏览次数统计

读取用户行为日志表 logs.csv，统计每位用户的浏览次数（即行为记录数），并按次数从高到低排序，输出前 5 位用户。

import pandas as pd

# 读取用户行为日志表
logs = pd.read_csv("browsing_logs.csv")

# 按用户编号分组，统计其行为记录数（浏览、加购、收藏等）
user_views = logs.groupby("user_id").agg({
    "action_type": "count"
}).reset_index()

# 重命名列名为“浏览次数”
user_views.columns = ["user_id", "浏览次数"]

# 按浏览次数降序排列，查看最活跃的前5位用户
user_views = user_views.sort_values(by="浏览次数", ascending=False)

# 输出结果 
user_views.head()

语法要点

• groupby("user_id") 分组；

• agg({"action_type": "count"}) 对某字段进行计数；

• reset_index() 重置索引为普通列；

• sort_values() 排序后查看高频用户。

【例 3-15】用户评分行为统计

读取评分表 product_ratings.csv，统计每位用户的评分次数和平均评分，按评分次数从高到低排序。

ratings = pd.read_csv("product_ratings.csv")

# 分组统计评分次数与平均分
user_ratings = ratings.groupby("user_id").agg({
    "rating": ["count", "mean"]
}).reset_index()

# 扁平化列名
user_ratings.columns = ["user_id", "评分次数", "平均评分"]
user_ratings = user_ratings.sort_values(by="评分次数", ascending=False)
user_ratings.head()

语法要点

• agg() 同时统计多个字段；

• ["count", "mean"] 多函数聚合；

• .columns = [...] 重命名列标题，避免多层索引。

【例 3-16】品牌商品统计

读取商品信息表 products.csv，统计每个品牌的商品数、平均价格和最高价格，按平均价格从高到低排序。

import pandas as pd

# 读取商品信息表
products = pd.read_csv("products.csv")
print(products.head())

# 按品牌分组，统计商品数、平均价格和最高价格
brand_stats = products.groupby("brand").agg({
    "product_id": "count",            # 每个品牌的商品数量
    "unit_price": ["mean", "max"]     # 每个品牌的平均单价和最高单价
}).reset_index()

# 扁平化列名
brand_stats.columns = ["brand", "商品数", "平均价格", "最高价格"]

# 按平均价格降序排序，查看单价最高的品牌
brand_stats = brand_stats.sort_values(by="平均价格", ascending=False)

# 输出前5行
brand_stats.head()

3.5 表连接

基本语法：

pd.merge(
    表1, 
    表2, 
    on="公共列名", 
    how="连接方式"
)

参数说明：

四种连接方式（how 参数）：

进阶语法：

• 使用不同列名连接：pd.merge(df1, df2, left_on="A", right_on="B")

• 多字段连接：on=["字段1", "字段2"]

• 添加后缀区分重复列名：suffixes=("_left", "_right")

【内连接】

【例3-17】订单表和用户表连接，获取每笔订单的用户姓名与性别

题目描述：请将 orders.csv 和 users.csv 按照 user_id 进行内连接，查询每笔订单的编号、下单日期、用户姓名与性别。

import pandas as pd
# 加载数据
orders = pd.read_csv("orders.csv")
users = pd.read_csv("users.csv")

# 查看表orders
orders.sort_values(by="user_id").head()

# 查看表users
users.sort_values(by="user_id").head()

# 内连接两表：订单关联用户信息
merged = pd.merge(
    orders, 
    users[["user_id", "user_name", "gender"]], 
    on="user_id", 
    how="inner"
)

# 查看连接表
merged.sort_values(by="user_id")

注意：how="inner"为默认连接方式，可省略

【例3-18】查找所有明细订单及其评分

将 order_items.csv 与 product_ratings.csv ，内连接，使用order_id关联查看每条订单是否有评分记录。

import pandas as pd

# 读取数据
orders = pd.read_csv("order_items.csv")
ratings = pd.read_csv("product_ratings.csv")

# 使用内连接，只保留订单表中有对应评分的记录
merged = pd.merge(
    orders,
    ratings[["order_id", "rating"]],
    on="order_id",
    how="inner"  # 只保留两边都有的数据
)

# 查看连接表
merged

【左连接】

【例3-19】订单明细表与商品信息表连接，获取每条商品记录的名称与品牌

题目描述：将 order_items.csv 与 products.csv 按 product_id 连接，查询明细编号、商品名称、品牌与购买数量。

items = pd.read_csv("order_items.csv")
products = pd.read_csv("products.csv")

# 从商品表中选择所需字段（商品编号、名称、品牌），按 product_id 与订单明细表进行左连接
# 左连接含义：保留订单明细中所有记录，同时补充对应商品的名称与品牌信息
merged = pd.merge(
    items,
    products[["product_id", "product_name", "brand"]],
    on="product_id",
    how="left"
)

# 查看连接表
merged

【例3-20】查找每个用户的浏览记录（包括没有浏览记录的用户）

说明：将 users.csv 与 browsing_logs.csv 左连接，查看用户姓名、性别及行为（如有）。

users = pd.read_csv("users.csv")
logs = pd.read_csv("browsing_logs.csv")

# 左连接两表：
#  以 user_id 为键，将用户表与日志表连接，
#  保留所有用户，即使该用户没有任何行为记录也会保留
merged = pd.merge(
    users[["user_id", "user_name", "gender"]],
    logs[["user_id", "product_id", "action_type"]],
    on="user_id",
    how="left"
)

# 查看连接表
merged

【例3-21】统计每位用户的浏览次数

题目说明：在电商平台中，用户的浏览行为反映了其活跃程度和兴趣偏好。本例要求通过分析用户行为日志 browsing_logs.csv，统计每位用户的“浏览”行为次数，并结合用户信息表 users.csv 输出用户编号、姓名及其浏览次数。

import pandas as pd

# 1. 读取数据
users = pd.read_csv("users.csv")
logs = pd.read_csv("browsing_logs.csv")

# 2. 左连接：合并用户信息与行为日志（保留所有用户）
merged = pd.merge(
    users[["user_id", "user_name", "gender"]],
    logs[["user_id", "action_type"]],
    on="user_id",
    how="left"
)

# 3. 仅保留“浏览”行为记录
browsing_only = merged[merged["action_type"] == "浏览"]

print(browsing_only)

# 4. 按 user_id 分组统计浏览次数
browse_counts = browsing_only.groupby(["user_id", "user_name"]).size().reset_index(name="浏览次数")

browse_counts

3.6 数据透视表

一、教学内容

掌握 pandas.pivot_table() 方法，完成商品销售、用户行为等关键指标的透视分析。

在 Pandas 中，pivot_table 就像 Excel 的数据透视表，

用来“按行列分类对数据进行统计汇总”

对一张表中的数据进行“分组 → 聚合 → 汇总 → 交叉展示”。

二、教学目标

Pandas 数据透视表（pivot_table）语法总结👇

三、数据透视表语法总结

1. 基本语法格式

pd.pivot_table(
    data,             # 数据源：DataFrame
    index=None,       # 行索引字段（可多个），按哪个字段分组（类似 Excel 行标签）
    columns=None,     # 列索引字段（可选），按哪个字段分列显示（类似 Excel 列标签）
    values=None,      # 统计的数值字段
    aggfunc='mean',   # 分组聚合函数（默认平均值，可改为 sum、count、max、min 等）
    margins=False,    # 是否添加汇总行/列（True/False） /ˈmɑːrdʒɪnz/
    fill_value=None,  # 缺失值填充（避免结果中出现 NaN）
)

2. 参数说明表

3. 常见聚合函数示例

4. 小结口诀

行是谁 → 列是谁 → 统计什么 → 怎么算

对应语法：

pd.pivot_table(data, index=行, columns=列, values=值, aggfunc=函数)

5.对应参数理解

它的“表头结构”由 index 和 columns 决定， 它的“表格内容”由 values 和 aggfunc 决定。

四、实验数据

主要用到以下表：

• order_items：订单明细数据（商品、数量、折扣）

• orders：订单主表（支付方式、订单状态、城市）

• products：商品表（分类、品牌、价格）

五、实验步骤

【例3-22】前导步骤：导入数据并合并订单明细与商品信息

合并结果:把订单明细、商品信息、订单主表整合到一张大表里，每行是一条订单明细的完整记录。

import pandas as pd

# 读取订单明细与商品信息
order_items = pd.read_csv("order_items.csv")
orders = pd.read_csv("orders.csv")
products = pd.read_csv("products.csv")

# 合并订单明细 + 商品表 + 订单主表
merged = order_items.merge(products, on="product_id").merge(orders, on="order_id")
merged.head()

【例3-23】按商品分类统计销售数量

承接：先做单维汇总，理解 index / values / aggfunc 的最小用法。

# 基于商品分类统计总销量

# 使用 Pandas 的 pivot_table 函数创建数据透视表
pivot1 = pd.pivot_table(
    merged,              # 数据来源：已合并的 DataFrame，包含订单明细、商品信息等
    index='category',    # 行索引：按商品分类（category）来统计
    values='quantity',   # 值字段：统计每类商品的销量（quantity）
    aggfunc='sum'        # 聚合函数：对每个分类的销量进行求和，计算总销量
)

# 按销量从高到低排序（此时列名就叫 'quantity'，可直接排序）
pivot1.sort_values(by='quantity', ascending=False)

index = 分类依据（“按谁分组”） values = 统计目标（“统计什么”） aggfunc = 统计方式（“怎么算”）

📌 分析问题：哪个类别商品销量最高？

建议使用EXCEL的数据透视表工具来对比

1.先截取前1000行并导出为 CSV 文件作演示用 merged.head(1000).to_csv("merged_1000.csv", index=False, encoding="utf-8-sig")

2.在excel中使用数据透视表演示

【例3-24】按“分类 × 城市”统计总销量（双维度交叉）

承接：把分类（行）*与*城市（列）*同时放入透视表，形成“交叉表”。 在这个基础上，演示*取值、求总、排序等操作。

# 任务：基于商品分类和城市统计总销量
# 功能：使用 Pandas 的 pivot_table() 方法创建数据透视表，
#      按“商品分类（category）”和“配送城市（delivery_city）”进行分组，
#      统计各分类在不同城市的销售数量（quantity）总和。
# 使用 Pandas 的 pivot_table 函数创建数据透视表

pd.pivot_table(
    merged,                    # 数据来源：已合并的 DataFrame，包含订单明细、商品信息、订单主表等完整数据
    index='category',          # 行索引（index）：以“商品分类”为行标签，表示每个分类一行
    columns='delivery_city',   # 列索引（columns）：以“配送城市”为列标签，展示各城市的销售情况
    values='quantity',         # 值字段（values）：要统计的数值列，这里是销量（quantity）
    aggfunc='sum',             # 聚合函数（aggfunc）：采用求和方式，对每个分类在各城市的销量进行汇总
    margins=True               # 添加汇总行/列
)

index → “谁是行标签”

columns → “谁是列标签”

values → “统计哪个数”

aggfunc → “怎么算”

margins → “要不要加总计”

fill_value → “空的地方填什么”

• 行索引（index）：左侧纵向的“商品分类”；

• 列索引（columns）：上方横向的“城市”；

• 行索引名（category）：由 index='category' 生成；

• 列索引名（delivery_city）：由 columns='delivery_city' 生成；

• All 行/列：由 margins=True 自动添加的汇总结果。

【例3-25】不同省份的订单数量对比（区域销售分析）

承接：从“分类维度”切到“地域维度”，换一个业务指标（订单数）。

# 基于收货城市统计订单数量

pivot2 = pd.pivot_table(
    merged,                   # 数据来源：合并后的订单明细数据 merged，包含订单和收货地址等信息
    index='delivery_city',    # 行索引：以收货城市（delivery_city）进行分类
    values='order_id',        # 值字段：使用订单 ID（order_id）字段作为计数对象
    aggfunc='count'           # 聚合函数：统计每个城市的订单数量
)

# 将结果按订单数量降序排序并显示
pivot2.sort_values(by='order_id', ascending=False)

📌 分析问题：哪些省份是主要销售区域？

【例3-26】商品品牌与支付方式交叉分析（二维透视）

统计每个品牌的商品，用户通过哪种支付方式买单的次数。

# 使用 Pandas 的 pivot_table 函数生成数据透视表
pivot3 = pd.pivot_table(
    merged,                   # 数据来源：合并后的 DataFrame，通常包含订单、商品、支付方式等信息
    index='brand',            # 行索引：以商品品牌（brand）进行分类
    columns='payment_method', # 列索引：以支付方式（payment_method）展开，如微信、支付宝、信用卡
    values='order_id',        # 值字段：统计订单编号
    aggfunc='count',          # 聚合函数：统计每个品牌每种支付方式的订单数量
    fill_value=0              # 填充值：若某品牌下某支付方式没有订单，填充为0，避免出现 NaN
)

# 输出透视表结果
pivot3

index = 分类依据（“按品牌分组，比如 Apple、华为、小米”）

columns = 列分类（“按支付方式展开，比如 微信、支付宝、信用卡”）

values = 统计目标（“统计订单数量，使用 order_id”）

aggfunc = 统计方式（“用 count 计数，算每个品牌在不同支付方式下有多少订单”）

fill_value = 填充值（“没有订单的地方填 0”）

📌 分析问题：用户用什么支付方式购买了哪些品牌的商品？

【例3-27】基于商品分类的销售金额加权统计分析

# 新增字段：计算每一行订单明细的实际销售金额
# 实际销售额 = 单价 × 数量 × 折扣系数
merged['sales_amount'] = (merged['unit_price'] * merged['quantity'] * merged['discount'])

# 基于商品分类，对销售金额进行加权统计（即加总每类商品的实际销售额）
pivot4 = pd.pivot_table(
    merged,                    # 数据来源：含价格、数量和折扣字段的订单明细
    index='category',          # 行索引：以商品分类（category）分类
    values='sales_amount',     # 值字段：统计新计算的销售金额字段
    aggfunc='sum'              # 聚合函数：对每类商品的销售额求和
)

# 将结果按销售金额降序排列
pivot4_sorted = pivot4.sort_values(by='sales_amount', ascending=False)

# 设置显示格式：不使用科学计数法
pd.options.display.float_format = '{:,.2f}'.format

# 输出排序后的销售金额透视表
pivot4_sorted