### 计算每月各类商品销售额并绘制折线图 为了实现按月统计每种商品类别的销售额，并使用折线图展示销售趋势，可以按照以下方法操作： #### 数据准备 假设原始数据存储在一个DataFrame对象`data`中，其中包含三列：`date`（日期）、`category`（商品类别）和`sales_amount`（销售额）。如果数据未经过预处理，则需要先将其转换为合适的格式。 以下是具体的操作流程： 1. **解析日期字段** 将`date`字段转换为Pandas中的`datetime`类型以便后续分组操作。 2. **按月和类别汇总销售额** 使用Pandas的`groupby`函数分别按月份和商品类别进行聚合求和，得到每个月各个类别的总销售额。 3. **重置索引** 对结果重新设置索引以方便绘图。 4. **绘制折线图** 利用Matplotlib绘制多条折线表示不同商品类别的销售趋势。 下面是完整的代码示例： ```python import pandas as pd import matplotlib.pyplot as plt # 假设初始数据如下形式 data = { 'date': ['2023-01-01', '2023-01-15', '2023-02-01', '2023-02-28'], 'category': ['A', 'B', 'A', 'B'], 'sales_amount': [100, 200, 150, 250] } df = pd.DataFrame(data) # 步骤1: 解析日期字段 df['date'] = pd.to_datetime(df['date']) df.set_index('date', inplace=True) # 步骤2: 按月和类别汇总销售额 monthly_sales = df.resample('M').sum().reset_index() monthly_category_sales = df.groupby([pd.Grouper(freq="M"), 'category']).sum() # 步骤3: 重置索引便于绘图 monthly_category_sales.reset_index(inplace=True) monthly_category_sales.rename(columns={'level_0': 'month'}, inplace=True) # 步骤4: 绘制折线图 plt.figure(figsize=(10, 6)) categories = monthly_category_sales['category'].unique() for category in categories: subset = monthly_category_sales[monthly_category_sales['category'] == category] plt.plot(subset['month'], subset['sales_amount'], marker='o', label=f'Category {category}') plt.title('Monthly Sales by Category') plt.xlabel('Month') plt.ylabel('Sales Amount') plt.legend(title='Categories') plt.grid(True) plt.xticks(rotation=45) # 自动旋转X轴标签防止拥挤 plt.tight_layout() # 防止布局问题 plt.show() ``` 上述代码实现了以下几个功能： - `resample('M')`: 按照月末频率对数据进行采样[^1]。 - `groupby([pd.Grouper(freq="M"), 'category'])`: 同时基于时间和商品类别进行分组[^3]。 - Matplotlib 的 `plot()` 方法被多次调用以生成多个系列的数据线条[^2]。 最终生成了一张显示各商品类别随时间变化的趋势图。 ---