以下是一个使用Python和SQL联动进行数据分析的实际项目示例，以分析某电商平台的销售数据为例。 #### 项目背景 某电商平台希望分析销售数据，了解不同商品的销售情况、用户购买行为等，以便制定营销策略和优化库存管理。 #### 项目步骤 ##### 1. 数据库连接 使用Python的`mysql.connector`库连接到MySQL数据库。 ```python import mysql.connector # 建立数据库连接 mydb = mysql.connector.connect( host="localhost", user="yourusername", password="yourpassword", database="ecommerce" ) # 创建游标对象 mycursor = mydb.cursor() ``` ##### 2. 执行SQL查询 从数据库中获取销售数据。 ```python # 执行SQL查询 mycursor.execute("SELECT order_id, product_id, quantity, price, order_date FROM orders") # 获取查询结果 results = mycursor.fetchall() ``` ##### 3. 使用Python进行数据处理 将查询结果转换为`pandas`的`DataFrame`，并进行数据处理和分析。 ```python import pandas as pd # 将查询结果转换为DataFrame df = pd.DataFrame(results, columns=['order_id', 'product_id', 'quantity', 'price', 'order_date']) # 计算每个订单的总金额 df['total_amount'] = df['quantity'] * df['price'] # 按商品ID分组，计算每个商品的销售总量和总金额 product_sales = df.groupby('product_id').agg({'quantity': 'sum', 'total_amount': 'sum'}) # 按订单日期分组，计算每天的销售总额 daily_sales = df.groupby('order_date')['total_amount'].sum() ``` ##### 4. 使用Python进行数据可视化 使用`matplotlib`库将处理后的数据进行可视化展示。 ```python import matplotlib.pyplot as plt # 绘制每个商品的销售总量柱状图 plt.bar(product_sales.index, product_sales['quantity']) plt.xlabel('Product ID') plt.ylabel('Total Quantity Sold') plt.title('Product Sales Quantity') plt.show() # 绘制每天的销售总额折线图 plt.plot(daily_sales.index, daily_sales) plt.xlabel('Order Date') plt.ylabel('Total Sales Amount') plt.title('Daily Sales Amount') plt.show() ``` #### 项目总结 通过Python和SQL的联动，从数据库中获取销售数据，使用Python进行数据处理和分析，并进行可视化展示，帮助电商平台了解销售情况，为决策提供依据。