1.案例数据

2.传统的excel 透视图

3.python的库  

pandas 统计分析

这边测试方便   数据暂时放在数组里进行相关的统计

代码部分

import pandas as pd

# 初始化数据
data = [
    ["2024-1-5", "水煮鱼", "堂食", "北京", 1280, 16, 0.65],
    ["2024-1-5", "辣子鸡", "外卖", "上海", 920, 23, 0.60],
    ["2024-1-6", "麻婆豆腐", "堂食", "广州", 650, 13, 0.70],
    ["2024-1-6", "回锅肉", "外卖", "成都", 780, 15, 0.58],
    ["2024-1-7", "宫保鸡丁", "堂食", "深圳", 1150, 19, 0.62],
    ["2024-1-7", "酸菜鱼", "外卖", "杭州", 1430, 26, 0.55],
    ["2024-1-8", "夫妻肺片", "堂食", "北京", 890, 11, 0.68],
    ["2024-1-8", "毛血旺", "外卖", "上海", 1210, 22, 0.50],
    ["2024-1-9", "鱼香肉丝", "堂食", "重庆", 1050, 14, 0.63],
    ["2024-1-9", "干锅牛蛙", "外卖", "南京", 1370, 28, 0.52],
    ["2024-1-10", "口水鸡", "堂食", "西安", 720, 9, 0.67],
    ["2024-1-10", "蒜泥白肉", "外卖", "武汉", 950, 18, 0.60],
    ["2024-1-11", "红烧肉", "堂食", "北京", 1640, 21, 0.64],
    ["2024-1-11", "糖醋排骨", "外卖", "上海", 1080, 20, 0.57],
    ["2024-1-12", "清炒时蔬", "堂食", "广州", 430, 7, 0.75],
    ["2024-1-12", "凉拌黄瓜", "外卖", "成都", 510, 12, 0.72],
    ["2024-1-13", "番茄蛋汤", "堂食", "深圳", 320, 5, 0.80],
    ["2024-1-13", "紫菜蛋花汤", "外卖", "杭州", 290, 8, 0.78],
    ["2024-1-14", "米饭", "堂食", "北京", 240, 30, 0.85],
    ["2024-1-14", "馒头", "外卖", "上海", 180, 15, 0.82],
    ["2024-1-15", "水煮鱼", "堂食", "重庆", 1360, 17, 0.65],
    ["2024-1-15", "辣子鸡", "外卖", "南京", 1040, 25, 0.60],
    ["2024-1-16", "麻婆豆腐", "堂食", "西安", 590, 10, 0.70],
    ["2024-1-16", "回锅肉", "外卖", "武汉", 870, 16, 0.58],
    ["2024-1-17", "宫保鸡丁", "堂食", "北京", 1230, 20, 0.62],
    ["2024-1-17", "酸菜鱼", "外卖", "上海", 1510, 29, 0.55],
    ["2024-1-18", "夫妻肺片", "堂食", "广州", 970, 12, 0.68],
    ["2024-1-18", "毛血旺", "外卖", "成都", 1320, 24, 0.50],
    ["2024-1-19", "鱼香肉丝", "堂食", "深圳", 1110, 15, 0.63],
    ["2024-1-19", "干锅牛蛙", "外卖", "杭州", 1450, 30, 0.52]
]

# 创建DataFrame
columns = ["销售日期", "品种", "渠道", "地区", "销售额（元）", "订单量", "毛利率"]
df = pd.DataFrame(data, columns=columns)

# 按地区统计销售额和订单量
pivot_table = pd.pivot_table(df,
                            index=['地区'],
                            values=['销售额（元）', '订单量'],
                            aggfunc={'销售额（元）': 'sum', '订单量': 'sum'})

# 重置索引使地区成为列
pivot_table = pivot_table.reset_index()

# 重命名列名
pivot_table.columns = ['地区', '总订单量', '总销售额（元）']

# 按总销售额降序排序
pivot_table = pivot_table.sort_values(by='总销售额（元）', ascending=False)

# 计算总计行
total_row = pd.DataFrame({
    '地区': ['总计'],
    '总订单量': [pivot_table['总订单量'].sum()],
    '总销售额（元）': [pivot_table['总销售额（元）'].sum()]
})

# 将总计行添加到透视表
pivot_table_with_total = pd.concat([pivot_table, total_row], ignore_index=True)

# 打印结果
print("按地区统计的销售额和订单量（含总计）：")
print(pivot_table_with_total.to_string(index=False))

# 可选：保存到Excel文件
# pivot_table_with_total.to_excel('地区销售统计.xlsx', index=False)

数据输出结果分析

C:\G_tools\python3\step\python.exe C:/Users/lenovo/PycharmProjects/test01/销售图表分析/Python实现按地区统计销售额和订单量的透视表功能.py
按地区统计的销售额和订单量（含总计）：
地区  总订单量  总销售额（元）
北京    98     5280
上海   109     4900
杭州    64     3170
成都    51     2610
深圳    39     2580
南京    53     2410
重庆    31     2410
广州    32     2050
武汉    34     1820
西安    19     1310
总计   530    28540