这次我们来看一个基于 Python 和 MySQL 的霸王茶姬数据分析与销量可视化项目。这个项目的核心价值在于它不是一个空泛的理论教程而是一个从数据获取、清洗、存储、分析到可视化展示的完整实战链路。对于想用 Python 和 MySQL 充实简历、积累真实项目经验的同学来说这是一个非常具体且可复现的练手案例。项目会带你走完一个数据分析师的典型工作流如何模拟或获取业务数据如何设计并构建 MySQL 数据库如何使用 Python 的 Pandas 进行数据清洗与聚合分析以及如何利用 Matplotlib、Seaborn 或 Pyecharts 等库制作出能清晰反映销量趋势、产品偏好、门店业绩的可视化图表。整个过程不涉及复杂的算法重点在于工程实践的完整性和结果的可解释性。本文将重点拆解几个关键环节首先是项目环境的快速搭建包括 Python 库的一键安装和 MySQL 的本地部署其次是核心的数据处理逻辑与 SQL 查询技巧最后是如何将分析结果转化为直观的图表并整合成一份可展示的数据报告。无论你是数据分析的初学者还是希望完善自己项目集的经验者跟着做一遍你就能得到一个结构清晰、技术栈明确、可以直接写进简历的实战项目。1. 核心能力速览能力项说明项目类型端到端数据分析与可视化实战项目技术栈Python (Pandas, NumPy, Matplotlib/Seaborn/Pyecharts), MySQL数据模拟使用 Python 的 Faker 库或自定义逻辑生成模拟销售数据核心分析维度销量趋势、产品销量排行、门店业绩、时段分析、复购率等数据库操作数据库/表设计、CRUD操作、复杂聚合查询、多表关联可视化输出折线图、柱状图、饼图、热力图、仪表盘等多种图表硬件门槛普通电脑即可无需独立显卡依赖 CPU 和内存适合场景数据分析入门学习、个人项目经验积累、简历项目素材准备2. 适用场景与使用边界这个项目非常适合以下几类人群数据分析/数据科学初学者希望通过一个完整的商业场景案例系统学习从数据到洞察的全流程。求职者尤其是应届生或转行者需要具备能写在简历上的、有代码和成果的实战项目本项目提供了清晰的叙事线和技术栈。Python 和 SQL 技能练习者希望在一个连贯的项目中综合运用 Pandas 数据操作和 MySQL 查询技能。它能解决什么问题技能整合将零散的 Python 语法、Pandas 操作、SQL 语句整合到一个有业务背景的项目中。项目经验空白提供一个从 0 到 1 的、可描述、可展示的完整项目案例。理解数据分析流程亲身体验数据获取、清洗、存储、分析、可视化的标准工作流。它的局限性数据非真实项目数据多为模拟生成分析结论不具备真实的商业指导意义重点在于方法论演示。复杂度可控为了教学清晰业务逻辑和数据维度做了简化与真实企业级数据分析系统有差距。技术栈侧重专注于离线批处理分析不涉及实时流处理、大数据框架如 Hadoop/Spark或高级机器学习模型。合规与伦理提醒虽然本项目使用模拟数据但在任何真实数据分析工作中都必须严格遵守数据隐私法规如 GDPR、个人信息保护法。处理真实用户数据前务必确保已获得合法授权并对敏感信息进行脱敏处理。3. 环境准备与前置条件在开始编码前需要准备好以下软件环境。这是一个通用清单你可以根据自己的系统进行调整。操作系统Windows 10/11, macOS, 或 Linux (如 Ubuntu)。本项目演示以 Windows 为例命令在 macOS/Linux 下可能略有不同如使用pip3代替pip。Python 环境推荐使用 Python 3.8 或以上版本。建议使用Anaconda或Miniconda创建独立的虚拟环境避免包冲突。MySQL 数据库需要安装 MySQL 服务器如 MySQL 8.0和一个图形化管理工具如MySQL Workbench、Navicat或DBeaver。确保记住 root 用户的密码。代码编辑器或 IDEVisual Studio Code(VSCode) 或PyCharm均可具备 Python 和 SQL 插件为佳。磁盘空间预留几百 MB 空间用于安装软件和存储数据文件。环境检查清单[ ] 打开终端CMD/PowerShell/Terminal输入python --version或python3 --version确认 Python 版本。[ ] 输入pip list查看是否已安装pandas,numpy,matplotlib等包未安装则进入下一步。[ ] 确保 MySQL 服务已启动并能通过客户端工具如 MySQL Workbench成功连接。4. 安装部署与依赖安装项目不涉及复杂的服务部署核心是安装必要的 Python 库和配置数据库连接。步骤 1创建并激活虚拟环境强烈推荐使用 Conda 或 venv 创建一个独立环境。# 使用 conda (如已安装) conda create -n chagee_analysis python3.9 conda activate chagee_analysis # 或使用 venv (Python 内置) python -m venv venv_chagee # Windows 激活 venv_chagee\Scripts\activate # macOS/Linux 激活 source venv_chagee/bin/activate步骤 2一键安装 Python 依赖库在激活的虚拟环境中执行以下命令安装所有必需的包。我们将数据分析、可视化、数据库连接和模拟数据的常用库一并安装。pip install pandas numpy matplotlib seaborn pyecharts pymysql faker sqlalchemy openpyxlpandas,numpy: 数据处理核心。matplotlib,seaborn: 基础统计绘图。pyecharts: 生成交互式、更美观的图表。pymysql: Python 连接 MySQL 的驱动。sqlalchemy: 可选的 ORM 工具用于更优雅的数据库操作。faker: 生成模拟数据。openpyxl: 用于读写 Excel 文件可选用于数据导出。步骤 3准备 MySQL 数据库打开你的 MySQL 客户端如 MySQL Workbench执行以下 SQL 语句创建本项目专用的数据库和用户出于安全考虑生产环境不应使用 root 用户直接连接应用。-- 创建数据库 CREATE DATABASE IF NOT EXISTS chagee_sales CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci; -- 创建专用用户并授权 (请将 ‘your_password‘ 替换为强密码) CREATE USER ‘chagee_user‘‘localhost‘ IDENTIFIED BY ‘your_password‘; GRANT ALL PRIVILEGES ON chagee_sales.* TO ‘chagee_user‘‘localhost‘; FLUSH PRIVILEGES; -- 切换到新数据库 USE chagee_sales;至此基础环境搭建完成。5. 数据模拟与数据库构建真实项目的数据可能来自业务系统导出、爬虫或 API。为简化我们使用 Python 的Faker库模拟“霸王茶姬”的销售数据。步骤 1设计数据表结构一个简化的销售业务可能涉及以下表products: 产品表产品ID、名称、类别、价格stores: 门店表门店ID、名称、城市、区域orders: 订单表订单ID、门店ID、下单时间、总金额order_details: 订单明细表明细ID、订单ID、产品ID、数量、单价在 MySQL 中执行以下建表语句USE chagee_sales; -- 产品表 CREATE TABLE products ( product_id INT PRIMARY KEY AUTO_INCREMENT, product_name VARCHAR(100) NOT NULL, category VARCHAR(50), -- 如奶茶、果茶、芝士茶 price DECIMAL(10, 2) NOT NULL ); -- 门店表 CREATE TABLE stores ( store_id INT PRIMARY KEY AUTO_INCREMENT, store_name VARCHAR(100) NOT NULL, city VARCHAR(50), district VARCHAR(50) ); -- 订单表 CREATE TABLE orders ( order_id VARCHAR(20) PRIMARY KEY, -- 如 ‘ORD202405200001‘ store_id INT, order_time DATETIME NOT NULL, total_amount DECIMAL(10, 2), FOREIGN KEY (store_id) REFERENCES stores(store_id) ); -- 订单明细表 CREATE TABLE order_details ( detail_id INT PRIMARY KEY AUTO_INCREMENT, order_id VARCHAR(20), product_id INT, quantity INT NOT NULL, unit_price DECIMAL(10, 2), FOREIGN KEY (order_id) REFERENCES orders(order_id), FOREIGN KEY (product_id) REFERENCES products(product_id) );步骤 2使用 Python 脚本模拟并插入数据创建一个名为generate_data.py的 Python 文件编写数据生成逻辑。import pymysql from faker import Faker import random from datetime import datetime, timedelta import numpy as np # 配置数据库连接 db_config { ‘host‘: ‘localhost‘, ‘user‘: ‘chagee_user‘, ‘password‘: ‘your_password‘, # 替换为你的密码 ‘database‘: ‘chagee_sales‘, ‘charset‘: ‘utf8mb4‘ } # 初始化 Faker 和随机种子 fake Faker(‘zh_CN‘) random.seed(42) np.random.seed(42) # 连接数据库 connection pymysql.connect(**db_config) cursor connection.cursor() print(“开始生成模拟数据...“) # 1. 清空表 (按依赖关系逆序) cursor.execute(“DELETE FROM order_details“) cursor.execute(“DELETE FROM orders“) cursor.execute(“DELETE FROM products“) cursor.execute(“DELETE FROM stores“) connection.commit() # 2. 生成产品数据 product_list [ (‘伯牙绝弦‘, ‘奶茶‘, 18.0), (‘春日桃桃‘, ‘果茶‘, 22.0), (‘桂馥兰香‘, ‘奶茶‘, 20.0), (‘青青糯山‘, ‘奶茶‘, 19.0), (‘玫瑰普洱‘, ‘奶茶‘, 21.0), (‘夏梦玫珑‘, ‘果茶‘, 24.0), (‘金丝小种‘, ‘奶茶‘, 23.0), ] for p_name, p_cat, p_price in product_list: cursor.execute( “INSERT INTO products (product_name, category, price) VALUES (%s, %s, %s)“, (p_name, p_cat, p_price) ) connection.commit() print(f“已插入 {len(product_list)} 条产品数据。“) # 3. 生成门店数据 store_cities [‘上海‘, ‘北京‘, ‘广州‘, ‘深圳‘, ‘杭州‘] for i in range(1, 11): # 生成10家门店 city random.choice(store_cities) district fake.borough() cursor.execute( “INSERT INTO stores (store_name, city, district) VALUES (%s, %s, %s)“, (f‘霸王茶姬{city}{district}店‘, city, district) ) connection.commit() print(“已插入 10 条门店数据。“) # 4. 生成订单和订单明细数据 (模拟最近90天的数据) cursor.execute(“SELECT product_id, price FROM products“) products cursor.fetchall() # [(1, 18.0), (2, 22.0), ...] cursor.execute(“SELECT store_id FROM stores“) store_ids [row[0] for row in cursor.fetchall()] order_count 0 detail_count 0 start_date datetime.now() - timedelta(days90) for day_offset in range(90): current_date start_date timedelta(daysday_offset) # 每天每个门店生成 5-30 个订单 for store_id in store_ids: daily_orders random.randint(5, 30) for _ in range(daily_orders): order_id f“ORD{current_date.strftime(‘%Y%m%d‘)}{order_count1:04d}“ order_time current_date.replace( hourrandom.randint(10, 21), minuterandom.randint(0, 59), secondrandom.randint(0, 59) ) # 生成订单明细 (1-4个商品) items random.sample(products, krandom.randint(1, 4)) total_amount sum(qty * price for _, qty, price in [(pid, random.randint(1,3), price) for pid, price in items]) # 插入订单 cursor.execute( “INSERT INTO orders (order_id, store_id, order_time, total_amount) VALUES (%s, %s, %s, %s)“, (order_id, store_id, order_time, total_amount) ) # 插入订单明细 for product_id, price in items: quantity random.randint(1, 3) cursor.execute( “INSERT INTO order_details (order_id, product_id, quantity, unit_price) VALUES (%s, %s, %s, %s)“, (order_id, product_id, quantity, price) ) detail_count 1 order_count 1 # 每1000个订单提交一次避免内存占用过大 if order_count % 1000 0: connection.commit() connection.commit() print(f“数据生成完毕共生成订单 {order_count} 条订单明细 {detail_count} 条。“) cursor.close() connection.close()运行此脚本即可在数据库中生成可用于分析的模拟销售数据。6. 数据分析与 SQL/Pandas 操作数据就绪后开始进行分析。我们将结合 SQL 查询和 Pandas 处理来完成核心分析任务。步骤 1连接数据库并加载数据到 Pandas创建一个新的 Python 脚本analysis.py。import pymysql import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from sqlalchemy import create_engine import warnings warnings.filterwarnings(‘ignore‘) # 方式一使用 pymysql pandas.read_sql 直接查询 db_config { ‘host‘: ‘localhost‘, ‘user‘: ‘chagee_user‘, ‘password‘: ‘your_password‘, ‘database‘: ‘chagee_sales‘, ‘charset‘: ‘utf8mb4‘ } connection pymysql.connect(**db_config) # 示例查询获取总销售额趋势按天 sql_daily_sales “““ SELECT DATE(o.order_time) as order_date, SUM(o.total_amount) as daily_sales, COUNT(DISTINCT o.order_id) as order_count FROM orders o GROUP BY DATE(o.order_time) ORDER BY order_date “““ df_daily_sales pd.read_sql(sql_daily_sales, connection) print(“每日销售数据预览“) print(df_daily_sales.head()) print(df_daily_sales.describe()) # 方式二使用 SQLAlchemy 创建引擎便于更复杂的操作 engine create_engine(‘mysqlpymysql://chagee_user:your_passwordlocalhost/chagee_sales‘) # 将整个表读入 DataFrame (数据量不大时适用) df_orders pd.read_sql(‘SELECT * FROM orders‘, engine) df_products pd.read_sql(‘SELECT * FROM products‘, engine) df_order_details pd.read_sql(‘SELECT * FROM order_details‘, engine) df_stores pd.read_sql(‘SELECT * FROM stores‘, engine) print(“\n各表数据形状“) print(f“订单表: {df_orders.shape}“) print(f“产品表: {df_products.shape}“) print(f“订单明细表: {df_order_details.shape}“) print(f“门店表: {df_stores.shape}“) connection.close()步骤 2执行核心业务分析在analysis.py中继续添加以下分析代码。# 1. 产品销量排行分析 # 使用 Pandas 合并和分组聚合 df_sales_by_product pd.merge(df_order_details, df_products, on‘product_id‘) product_sales df_sales_by_product.groupby([‘product_id‘, ‘product_name‘, ‘category‘]).agg({ ‘quantity‘: ‘sum‘, ‘unit_price‘: ‘first‘ }).reset_index() product_sales[‘sales_volume‘] product_sales[‘quantity‘] * product_sales[‘unit_price‘] product_sales product_sales.sort_values(by‘sales_volume‘, ascendingFalse) print(“\n 产品销售额排行 ) print(product_sales[[‘product_name‘, ‘category‘, ‘quantity‘, ‘sales_volume‘]].head(10)) # 2. 门店业绩分析 df_store_performance pd.merge(df_orders, df_stores, on‘store_id‘) store_stats df_store_performance.groupby([‘store_id‘, ‘store_name‘, ‘city‘]).agg({ ‘order_id‘: ‘count‘, ‘total_amount‘: ‘sum‘ }).rename(columns{‘order_id‘: ‘order_count‘, ‘total_amount‘: ‘total_sales‘}).reset_index() store_stats store_stats.sort_values(by‘total_sales‘, ascendingFalse) print(“\n 门店销售额排行 ) print(store_stats.head()) # 3. 销售时段分析 (提取小时) df_orders[‘order_hour‘] pd.to_datetime(df_orders[‘order_time‘]).dt.hour hourly_sales df_orders.groupby(‘order_hour‘).agg({ ‘order_id‘: ‘count‘, ‘total_amount‘: ‘sum‘ }).rename(columns{‘order_id‘: ‘order_count‘, ‘total_amount‘: ‘sales_amount‘}).reset_index() print(“\n 每小时订单量及销售额 ) print(hourly_sales.sort_values(‘order_hour‘)) # 4. 城市维度分析 city_sales df_store_performance.groupby(‘city‘).agg({ ‘order_id‘: ‘count‘, ‘total_amount‘: ‘sum‘ }).rename(columns{‘order_id‘: ‘order_count‘, ‘total_amount‘: ‘total_sales‘}).reset_index() city_sales city_sales.sort_values(by‘total_sales‘, ascendingFalse) print(“\n 城市销售额排行 ) print(city_sales)7. 数据可视化与图表生成分析结果需要直观呈现。我们将使用 Matplotlib/Seaborn 和 Pyecharts 两种风格进行可视化。步骤 1使用 Matplotlib/Seaborn 绘制静态图表在analysis.py中继续添加可视化代码。# 设置中文字体 (确保系统有相应字体如 SimHei) plt.rcParams[‘font.sans-serif‘] [‘SimHei‘] # 用来正常显示中文标签 plt.rcParams[‘axes.unicode_minus‘] False # 用来正常显示负号 # 创建画布 fig, axes plt.subplots(2, 2, figsize(16, 12)) fig.suptitle(‘霸王茶姬销售数据分析看板‘, fontsize16) # 1. 产品销售额 Top10 柱状图 ax1 axes[0, 0] top10_products product_sales.head(10) bars ax1.barh(top10_products[‘product_name‘], top10_products[‘sales_volume‘], color‘skyblue‘) ax1.set_xlabel(‘销售额 (元)‘) ax1.set_title(‘产品销售额 Top10‘) # 在柱子上添加数值 for bar in bars: width bar.get_width() ax1.text(width max(top10_products[‘sales_volume‘])*0.01, bar.get_y() bar.get_height()/2, f‘{width:.0f}‘, va‘center‘) ax1.invert_yaxis() # 让最高的在最上面 # 2. 每日销售额趋势折线图 ax2 axes[0, 1] ax2.plot(pd.to_datetime(df_daily_sales[‘order_date‘]), df_daily_sales[‘daily_sales‘], marker‘o‘, linestyle‘-‘, linewidth2) ax2.set_xlabel(‘日期‘) ax2.set_ylabel(‘日销售额 (元)‘) ax2.set_title(‘每日销售额趋势‘) ax2.grid(True, linestyle‘--‘, alpha0.7) plt.setp(ax2.xaxis.get_majorticklabels(), rotation45) # 3. 各城市销售额分布饼图 ax3 axes[1, 0] ax3.pie(city_sales[‘total_sales‘], labelscity_sales[‘city‘], autopct‘%1.1f%%‘, startangle90) ax3.set_title(‘各城市销售额占比‘) # 4. 每小时订单量热力图风格柱状图 ax4 axes[1, 1] ax4.bar(hourly_sales[‘order_hour‘], hourly_sales[‘order_count‘], color‘lightcoral‘) ax4.set_xlabel(‘小时‘) ax4.set_ylabel(‘订单量‘) ax4.set_title(‘每小时订单量分布‘) ax4.set_xticks(range(0, 24)) plt.tight_layout() plt.savefig(‘chagee_sales_analysis.png‘, dpi300, bbox_inches‘tight‘) plt.show() print(“静态图表已保存为 ‘chagee_sales_analysis.png‘“)步骤 2使用 Pyecharts 绘制交互式图表Pyecharts 生成的 HTML 图表可以交互更适合在网页中展示。创建新脚本visualize_interactive.py。from pyecharts import options as opts from pyecharts.charts import Bar, Line, Pie, Grid, Page import pandas as pd from sqlalchemy import create_engine # 重新加载数据或使用之前分析好的 DataFrame engine create_engine(‘mysqlpymysql://chagee_user:your_passwordlocalhost/chagee_sales‘) df_daily_sales pd.read_sql(“““SELECT DATE(order_time) as date, SUM(total_amount) as sales FROM orders GROUP BY DATE(order_time) ORDER BY date“““, engine) product_sales pd.read_sql(“““SELECT p.product_name, SUM(od.quantity * od.unit_price) as sales_volume FROM order_details od JOIN products p ON od.product_id p.product_id GROUP BY p.product_id ORDER BY sales_volume DESC LIMIT 10“““, engine) city_sales pd.read_sql(“““SELECT s.city, SUM(o.total_amount) as total_sales FROM orders o JOIN stores s ON o.store_id s.store_id GROUP BY s.city ORDER BY total_sales DESC“““, engine) # 1. 产品销售额 Top10 横向柱状图 (交互式) bar_top10 ( Bar() .add_xaxis(product_sales[‘product_name‘].tolist()[::-1]) # 反转列表让最高的在最上 .add_yaxis(“销售额“, product_sales[‘sales_volume‘].tolist()[::-1]) .reversal_axis() .set_global_opts( title_optsopts.TitleOpts(title“产品销售额 Top10“), xaxis_optsopts.AxisOpts(name“销售额元“), yaxis_optsopts.AxisOpts(name“产品名称“), tooltip_optsopts.TooltipOpts(trigger“axis“, axis_pointer_type“shadow“), ) ) # 2. 每日销售额趋势折线图 line_daily ( Line() .add_xaxis(df_daily_sales[‘date‘].astype(str).tolist()) .add_yaxis(“日销售额“, df_daily_sales[‘sales‘].round(2).tolist(), is_smoothTrue, label_optsopts.LabelOpts(is_showFalse), linestyle_optsopts.LineStyleOpts(width3), itemstyle_optsopts.ItemStyleOpts(color“#5793f3“)) .set_global_opts( title_optsopts.TitleOpts(title“每日销售额趋势“, pos_left“center“), tooltip_optsopts.TooltipOpts(trigger“axis“), xaxis_optsopts.AxisOpts(type_“category“, name“日期“, axislabel_optsopts.LabelOpts(rotate45)), yaxis_optsopts.AxisOpts(name“销售额元“), ) ) # 3. 城市销售额占比饼图 pie_city ( Pie() .add( ““, [list(z) for z in zip(city_sales[‘city‘].tolist(), city_sales[‘total_sales‘].tolist())], radius[“30%“, “60%“], center[“50%“, “50%“], ) .set_global_opts( title_optsopts.TitleOpts(title“各城市销售额占比“), legend_optsopts.LegendOpts(orient“vertical“, pos_top“15%“, pos_left“2%“), tooltip_optsopts.TooltipOpts(trigger“item“, formatter“{a} br/{b}: {c} ({d}%)“), ) .set_series_opts(label_optsopts.LabelOpts(formatter“{b}: {d}%“)) ) # 将图表组合到一个页面中 page Page(layoutPage.SimplePageLayout) page.add(bar_top10, line_daily, pie_city) page.render(“chagee_sales_dashboard.html“) print(“交互式仪表盘已生成请打开 ‘chagee_sales_dashboard.html‘ 查看。“)运行此脚本后会在当前目录生成一个chagee_sales_dashboard.html文件用浏览器打开即可看到可交互的图表。8. 项目整合与报告输出一个完整的项目还需要将分析过程、代码和结论整理成文档或报告。步骤 1使用 Jupyter Notebook 整合分析流程如果你使用 Jupyter Notebook可以将上述数据生成、分析、可视化的代码按逻辑顺序放入不同的 Cell 中并穿插 Markdown 单元格进行文字说明。这是展示项目最清晰的方式之一。步骤 2生成分析报告摘要可以编写一个简单的函数将关键指标输出到文本文件或控制台。def generate_summary_report(): 生成文本分析报告摘要 summary_lines [] summary_lines.append(“” * 50) summary_lines.append(“霸王茶姬销售数据分析报告摘要“) summary_lines.append(“” * 50) summary_lines.append(f“分析时间: {pd.Timestamp.now().strftime(‘%Y-%m-%d %H:%M:%S‘)}“) summary_lines.append(f“数据时间范围: {df_orders[‘order_time‘].min()} 至 {df_orders[‘order_time‘].max()}“) summary_lines.append(f“总订单数: {df_orders.shape[0]:,}“) summary_lines.append(f“总销售额: {df_orders[‘total_amount‘].sum():,.2f} 元“) summary_lines.append(f“涉及门店数: {df_stores.shape[0]}“) summary_lines.append(f“涉及产品数: {df_products.shape[0]}“) summary_lines.append(“\n核心发现“) summary_lines.append(f“1. 最畅销产品: {product_sales.iloc[0][‘product_name‘]} (销售额: {product_sales.iloc[0][‘sales_volume‘]:,.2f}元)“) summary_lines.append(f“2. 销售额最高城市: {city_sales.iloc[0][‘city‘]} (销售额: {city_sales.iloc[0][‘total_sales‘]:,.2f}元)“) summary_lines.append(f“3. 订单高峰时段: {hourly_sales.loc[hourly_sales[‘order_count‘].idxmax()][‘order_hour‘]}:00“) summary_lines.append(“” * 50) report ‘\n‘.join(summary_lines) print(report) # 也可写入文件 with open(‘analysis_summary.txt‘, ‘w‘, encoding‘utf-8‘) as f: f.write(report) # 调用函数生成报告 generate_summary_report()9. 常见问题与排查方法在实践过程中你可能会遇到以下问题问题现象可能原因排查方式解决方案运行generate_data.py时报pymysql连接错误1. MySQL 服务未启动。2. 用户名/密码错误。3. 数据库chagee_sales不存在。4. 用户权限不足。1. 检查 MySQL 服务状态。2. 用 MySQL Workbench 测试连接。3. 执行SHOW DATABASES;确认数据库存在。4. 检查用户授权。1. 启动 MySQL 服务。2. 核对db_config中的密码。3. 执行建库 SQL。4. 重新授予用户权限。Python 提示No module named ‘xxx‘对应的 Python 包未安装。在终端执行pip list | grep xxx查看。在激活的虚拟环境中运行pip install xxx。图表中文显示为方框系统或 Matplotlib 未配置中文字体。检查plt.rcParams[‘font.sans-serif‘]设置的字体是否存在。1. 下载中文字体如 SimHei.ttf到 matplotlib 字体目录。2. 或使用plt.rcParams[‘font.sans-serif‘] [‘DejaVu Sans‘]等通用字体用英文标签。Pyecharts 生成的 HTML 打开是空白1. 浏览器禁止加载本地文件。2. 文件路径错误。1. 检查浏览器控制台是否有错误。2. 确认 HTML 文件已生成。1. 使用page.render(“chagee_sales_dashboard.html“)绝对路径。2. 尝试用python -m http.server启动本地服务器后访问。数据分析结果异常如销售额为01. 模拟数据未成功插入。2. SQL 查询逻辑错误。3. 数据合并时键值不匹配。1. 检查数据库表中是否有数据。2. 分段打印中间 DataFrame 的形状和内容。3. 使用df.head()和df.info()查看数据。1. 重新运行数据生成脚本并确认。2. 仔细检查 SQL 语句和 Pandas 的merge/groupby逻辑。运行速度慢1. 模拟数据量过大。2. 未使用数据库索引。3. 在 Python 中循环处理大数据。1. 观察任务管理器资源占用。2. 对经常查询的字段如order_time,store_id建立索引。1. 减少模拟数据量进行测试。2. 在 MySQL 中为关联字段和条件字段添加索引。3. 尽量使用 Pandas 向量化操作和 SQL 聚合避免 Python 层循环。10. 最佳实践与项目扩展建议完成基础版本后你可以通过以下方式深化这个项目让它更贴近企业实战也更能体现你的能力数据源扩展爬虫获取真实数据尝试从公开渠道需遵守robots.txt获取更真实的茶饮品牌信息进行练习。接入公开数据集使用 Kaggle 等平台上的零售销售数据集调整分析逻辑以适应新数据。分析维度深化用户复购分析假设订单表有用户ID计算复购率、用户生命周期价值CLV。关联规则分析使用 Apriori 或 FP-growth 算法分析产品之间的关联性哪些产品常被一起购买。时间序列预测使用 ARIMA、Prophet 或 LSTM 模型基于历史日销售额预测未来趋势。技术栈升级自动化与调度使用Apache Airflow或cron定时任务将数据更新、分析和报告生成流程自动化。Web 应用展示使用Flask或Streamlit快速搭建一个内部数据看板将上述图表集成到网页中并支持简单筛选。数据库优化学习为表设计更合理的索引对超大数据进行分库分表策略思考。工程化与部署代码模块化将数据生成、数据库操作、分析函数、可视化函数拆分成独立的.py模块通过主程序调用。配置文件将数据库连接信息、文件路径等写入config.yaml或.env文件避免硬编码。容器化尝试编写Dockerfile将整个项目环境Python、依赖、代码打包成镜像实现一键部署。报告与呈现使用Jupyter Notebook或Google Colab将整个分析过程做成一个可交互、可复现的故事文档。学习使用Power BI或Tableau连接 MySQL制作更专业的商业智能仪表盘。这个项目从环境搭建到可视化展示的完整闭环清晰地展示了如何使用 Python 和 MySQL 解决一个虚构的商业分析问题。它不仅帮你巩固了技术栈更重要的是提供了一个可以深入讲述的“项目故事”。在面试中你可以清晰地描述项目背景、你承担的角色、遇到的技术挑战如数据清洗、性能优化以及最终的商业洞察。现在你可以基于这个框架替换成你感兴趣的任何其他领域如电商、游戏、社交打造属于你自己的数据分析作品集。 Python+MySQL数据分析实战：从数据清洗到可视化看板全流程解析
这次我们来看一个基于 Python 和 MySQL 的霸王茶姬数据分析与销量可视化项目。这个项目的核心价值在于它不是一个空泛的理论教程而是一个从数据获取、清洗、存储、分析到可视化展示的完整实战链路。对于想用 Python 和 MySQL 充实简历、积累真实项目经验的同学来说这是一个非常具体且可复现的练手案例。项目会带你走完一个数据分析师的典型工作流如何模拟或获取业务数据如何设计并构建 MySQL 数据库如何使用 Python 的 Pandas 进行数据清洗与聚合分析以及如何利用 Matplotlib、Seaborn 或 Pyecharts 等库制作出能清晰反映销量趋势、产品偏好、门店业绩的可视化图表。整个过程不涉及复杂的算法重点在于工程实践的完整性和结果的可解释性。本文将重点拆解几个关键环节首先是项目环境的快速搭建包括 Python 库的一键安装和 MySQL 的本地部署其次是核心的数据处理逻辑与 SQL 查询技巧最后是如何将分析结果转化为直观的图表并整合成一份可展示的数据报告。无论你是数据分析的初学者还是希望完善自己项目集的经验者跟着做一遍你就能得到一个结构清晰、技术栈明确、可以直接写进简历的实战项目。1. 核心能力速览能力项说明项目类型端到端数据分析与可视化实战项目技术栈Python (Pandas, NumPy, Matplotlib/Seaborn/Pyecharts), MySQL数据模拟使用 Python 的 Faker 库或自定义逻辑生成模拟销售数据核心分析维度销量趋势、产品销量排行、门店业绩、时段分析、复购率等数据库操作数据库/表设计、CRUD操作、复杂聚合查询、多表关联可视化输出折线图、柱状图、饼图、热力图、仪表盘等多种图表硬件门槛普通电脑即可无需独立显卡依赖 CPU 和内存适合场景数据分析入门学习、个人项目经验积累、简历项目素材准备2. 适用场景与使用边界这个项目非常适合以下几类人群数据分析/数据科学初学者希望通过一个完整的商业场景案例系统学习从数据到洞察的全流程。求职者尤其是应届生或转行者需要具备能写在简历上的、有代码和成果的实战项目本项目提供了清晰的叙事线和技术栈。Python 和 SQL 技能练习者希望在一个连贯的项目中综合运用 Pandas 数据操作和 MySQL 查询技能。它能解决什么问题技能整合将零散的 Python 语法、Pandas 操作、SQL 语句整合到一个有业务背景的项目中。项目经验空白提供一个从 0 到 1 的、可描述、可展示的完整项目案例。理解数据分析流程亲身体验数据获取、清洗、存储、分析、可视化的标准工作流。它的局限性数据非真实项目数据多为模拟生成分析结论不具备真实的商业指导意义重点在于方法论演示。复杂度可控为了教学清晰业务逻辑和数据维度做了简化与真实企业级数据分析系统有差距。技术栈侧重专注于离线批处理分析不涉及实时流处理、大数据框架如 Hadoop/Spark或高级机器学习模型。合规与伦理提醒虽然本项目使用模拟数据但在任何真实数据分析工作中都必须严格遵守数据隐私法规如 GDPR、个人信息保护法。处理真实用户数据前务必确保已获得合法授权并对敏感信息进行脱敏处理。3. 环境准备与前置条件在开始编码前需要准备好以下软件环境。这是一个通用清单你可以根据自己的系统进行调整。操作系统Windows 10/11, macOS, 或 Linux (如 Ubuntu)。本项目演示以 Windows 为例命令在 macOS/Linux 下可能略有不同如使用pip3代替pip。Python 环境推荐使用 Python 3.8 或以上版本。建议使用Anaconda或Miniconda创建独立的虚拟环境避免包冲突。MySQL 数据库需要安装 MySQL 服务器如 MySQL 8.0和一个图形化管理工具如MySQL Workbench、Navicat或DBeaver。确保记住 root 用户的密码。代码编辑器或 IDEVisual Studio Code(VSCode) 或PyCharm均可具备 Python 和 SQL 插件为佳。磁盘空间预留几百 MB 空间用于安装软件和存储数据文件。环境检查清单[ ] 打开终端CMD/PowerShell/Terminal输入python --version或python3 --version确认 Python 版本。[ ] 输入pip list查看是否已安装pandas,numpy,matplotlib等包未安装则进入下一步。[ ] 确保 MySQL 服务已启动并能通过客户端工具如 MySQL Workbench成功连接。4. 安装部署与依赖安装项目不涉及复杂的服务部署核心是安装必要的 Python 库和配置数据库连接。步骤 1创建并激活虚拟环境强烈推荐使用 Conda 或 venv 创建一个独立环境。# 使用 conda (如已安装) conda create -n chagee_analysis python3.9 conda activate chagee_analysis # 或使用 venv (Python 内置) python -m venv venv_chagee # Windows 激活 venv_chagee\Scripts\activate # macOS/Linux 激活 source venv_chagee/bin/activate步骤 2一键安装 Python 依赖库在激活的虚拟环境中执行以下命令安装所有必需的包。我们将数据分析、可视化、数据库连接和模拟数据的常用库一并安装。pip install pandas numpy matplotlib seaborn pyecharts pymysql faker sqlalchemy openpyxlpandas,numpy: 数据处理核心。matplotlib,seaborn: 基础统计绘图。pyecharts: 生成交互式、更美观的图表。pymysql: Python 连接 MySQL 的驱动。sqlalchemy: 可选的 ORM 工具用于更优雅的数据库操作。faker: 生成模拟数据。openpyxl: 用于读写 Excel 文件可选用于数据导出。步骤 3准备 MySQL 数据库打开你的 MySQL 客户端如 MySQL Workbench执行以下 SQL 语句创建本项目专用的数据库和用户出于安全考虑生产环境不应使用 root 用户直接连接应用。-- 创建数据库 CREATE DATABASE IF NOT EXISTS chagee_sales CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci; -- 创建专用用户并授权 (请将 ‘your_password‘ 替换为强密码) CREATE USER ‘chagee_user‘‘localhost‘ IDENTIFIED BY ‘your_password‘; GRANT ALL PRIVILEGES ON chagee_sales.* TO ‘chagee_user‘‘localhost‘; FLUSH PRIVILEGES; -- 切换到新数据库 USE chagee_sales;至此基础环境搭建完成。5. 数据模拟与数据库构建真实项目的数据可能来自业务系统导出、爬虫或 API。为简化我们使用 Python 的Faker库模拟“霸王茶姬”的销售数据。步骤 1设计数据表结构一个简化的销售业务可能涉及以下表products: 产品表产品ID、名称、类别、价格stores: 门店表门店ID、名称、城市、区域orders: 订单表订单ID、门店ID、下单时间、总金额order_details: 订单明细表明细ID、订单ID、产品ID、数量、单价在 MySQL 中执行以下建表语句USE chagee_sales; -- 产品表 CREATE TABLE products ( product_id INT PRIMARY KEY AUTO_INCREMENT, product_name VARCHAR(100) NOT NULL, category VARCHAR(50), -- 如奶茶、果茶、芝士茶 price DECIMAL(10, 2) NOT NULL ); -- 门店表 CREATE TABLE stores ( store_id INT PRIMARY KEY AUTO_INCREMENT, store_name VARCHAR(100) NOT NULL, city VARCHAR(50), district VARCHAR(50) ); -- 订单表 CREATE TABLE orders ( order_id VARCHAR(20) PRIMARY KEY, -- 如 ‘ORD202405200001‘ store_id INT, order_time DATETIME NOT NULL, total_amount DECIMAL(10, 2), FOREIGN KEY (store_id) REFERENCES stores(store_id) ); -- 订单明细表 CREATE TABLE order_details ( detail_id INT PRIMARY KEY AUTO_INCREMENT, order_id VARCHAR(20), product_id INT, quantity INT NOT NULL, unit_price DECIMAL(10, 2), FOREIGN KEY (order_id) REFERENCES orders(order_id), FOREIGN KEY (product_id) REFERENCES products(product_id) );步骤 2使用 Python 脚本模拟并插入数据创建一个名为generate_data.py的 Python 文件编写数据生成逻辑。import pymysql from faker import Faker import random from datetime import datetime, timedelta import numpy as np # 配置数据库连接 db_config { ‘host‘: ‘localhost‘, ‘user‘: ‘chagee_user‘, ‘password‘: ‘your_password‘, # 替换为你的密码 ‘database‘: ‘chagee_sales‘, ‘charset‘: ‘utf8mb4‘ } # 初始化 Faker 和随机种子 fake Faker(‘zh_CN‘) random.seed(42) np.random.seed(42) # 连接数据库 connection pymysql.connect(**db_config) cursor connection.cursor() print(“开始生成模拟数据...“) # 1. 清空表 (按依赖关系逆序) cursor.execute(“DELETE FROM order_details“) cursor.execute(“DELETE FROM orders“) cursor.execute(“DELETE FROM products“) cursor.execute(“DELETE FROM stores“) connection.commit() # 2. 生成产品数据 product_list [ (‘伯牙绝弦‘, ‘奶茶‘, 18.0), (‘春日桃桃‘, ‘果茶‘, 22.0), (‘桂馥兰香‘, ‘奶茶‘, 20.0), (‘青青糯山‘, ‘奶茶‘, 19.0), (‘玫瑰普洱‘, ‘奶茶‘, 21.0), (‘夏梦玫珑‘, ‘果茶‘, 24.0), (‘金丝小种‘, ‘奶茶‘, 23.0), ] for p_name, p_cat, p_price in product_list: cursor.execute( “INSERT INTO products (product_name, category, price) VALUES (%s, %s, %s)“, (p_name, p_cat, p_price) ) connection.commit() print(f“已插入 {len(product_list)} 条产品数据。“) # 3. 生成门店数据 store_cities [‘上海‘, ‘北京‘, ‘广州‘, ‘深圳‘, ‘杭州‘] for i in range(1, 11): # 生成10家门店 city random.choice(store_cities) district fake.borough() cursor.execute( “INSERT INTO stores (store_name, city, district) VALUES (%s, %s, %s)“, (f‘霸王茶姬{city}{district}店‘, city, district) ) connection.commit() print(“已插入 10 条门店数据。“) # 4. 生成订单和订单明细数据 (模拟最近90天的数据) cursor.execute(“SELECT product_id, price FROM products“) products cursor.fetchall() # [(1, 18.0), (2, 22.0), ...] cursor.execute(“SELECT store_id FROM stores“) store_ids [row[0] for row in cursor.fetchall()] order_count 0 detail_count 0 start_date datetime.now() - timedelta(days90) for day_offset in range(90): current_date start_date timedelta(daysday_offset) # 每天每个门店生成 5-30 个订单 for store_id in store_ids: daily_orders random.randint(5, 30) for _ in range(daily_orders): order_id f“ORD{current_date.strftime(‘%Y%m%d‘)}{order_count1:04d}“ order_time current_date.replace( hourrandom.randint(10, 21), minuterandom.randint(0, 59), secondrandom.randint(0, 59) ) # 生成订单明细 (1-4个商品) items random.sample(products, krandom.randint(1, 4)) total_amount sum(qty * price for _, qty, price in [(pid, random.randint(1,3), price) for pid, price in items]) # 插入订单 cursor.execute( “INSERT INTO orders (order_id, store_id, order_time, total_amount) VALUES (%s, %s, %s, %s)“, (order_id, store_id, order_time, total_amount) ) # 插入订单明细 for product_id, price in items: quantity random.randint(1, 3) cursor.execute( “INSERT INTO order_details (order_id, product_id, quantity, unit_price) VALUES (%s, %s, %s, %s)“, (order_id, product_id, quantity, price) ) detail_count 1 order_count 1 # 每1000个订单提交一次避免内存占用过大 if order_count % 1000 0: connection.commit() connection.commit() print(f“数据生成完毕共生成订单 {order_count} 条订单明细 {detail_count} 条。“) cursor.close() connection.close()运行此脚本即可在数据库中生成可用于分析的模拟销售数据。6. 数据分析与 SQL/Pandas 操作数据就绪后开始进行分析。我们将结合 SQL 查询和 Pandas 处理来完成核心分析任务。步骤 1连接数据库并加载数据到 Pandas创建一个新的 Python 脚本analysis.py。import pymysql import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from sqlalchemy import create_engine import warnings warnings.filterwarnings(‘ignore‘) # 方式一使用 pymysql pandas.read_sql 直接查询 db_config { ‘host‘: ‘localhost‘, ‘user‘: ‘chagee_user‘, ‘password‘: ‘your_password‘, ‘database‘: ‘chagee_sales‘, ‘charset‘: ‘utf8mb4‘ } connection pymysql.connect(**db_config) # 示例查询获取总销售额趋势按天 sql_daily_sales “““ SELECT DATE(o.order_time) as order_date, SUM(o.total_amount) as daily_sales, COUNT(DISTINCT o.order_id) as order_count FROM orders o GROUP BY DATE(o.order_time) ORDER BY order_date “““ df_daily_sales pd.read_sql(sql_daily_sales, connection) print(“每日销售数据预览“) print(df_daily_sales.head()) print(df_daily_sales.describe()) # 方式二使用 SQLAlchemy 创建引擎便于更复杂的操作 engine create_engine(‘mysqlpymysql://chagee_user:your_passwordlocalhost/chagee_sales‘) # 将整个表读入 DataFrame (数据量不大时适用) df_orders pd.read_sql(‘SELECT * FROM orders‘, engine) df_products pd.read_sql(‘SELECT * FROM products‘, engine) df_order_details pd.read_sql(‘SELECT * FROM order_details‘, engine) df_stores pd.read_sql(‘SELECT * FROM stores‘, engine) print(“\n各表数据形状“) print(f“订单表: {df_orders.shape}“) print(f“产品表: {df_products.shape}“) print(f“订单明细表: {df_order_details.shape}“) print(f“门店表: {df_stores.shape}“) connection.close()步骤 2执行核心业务分析在analysis.py中继续添加以下分析代码。# 1. 产品销量排行分析 # 使用 Pandas 合并和分组聚合 df_sales_by_product pd.merge(df_order_details, df_products, on‘product_id‘) product_sales df_sales_by_product.groupby([‘product_id‘, ‘product_name‘, ‘category‘]).agg({ ‘quantity‘: ‘sum‘, ‘unit_price‘: ‘first‘ }).reset_index() product_sales[‘sales_volume‘] product_sales[‘quantity‘] * product_sales[‘unit_price‘] product_sales product_sales.sort_values(by‘sales_volume‘, ascendingFalse) print(“\n 产品销售额排行 ) print(product_sales[[‘product_name‘, ‘category‘, ‘quantity‘, ‘sales_volume‘]].head(10)) # 2. 门店业绩分析 df_store_performance pd.merge(df_orders, df_stores, on‘store_id‘) store_stats df_store_performance.groupby([‘store_id‘, ‘store_name‘, ‘city‘]).agg({ ‘order_id‘: ‘count‘, ‘total_amount‘: ‘sum‘ }).rename(columns{‘order_id‘: ‘order_count‘, ‘total_amount‘: ‘total_sales‘}).reset_index() store_stats store_stats.sort_values(by‘total_sales‘, ascendingFalse) print(“\n 门店销售额排行 ) print(store_stats.head()) # 3. 销售时段分析 (提取小时) df_orders[‘order_hour‘] pd.to_datetime(df_orders[‘order_time‘]).dt.hour hourly_sales df_orders.groupby(‘order_hour‘).agg({ ‘order_id‘: ‘count‘, ‘total_amount‘: ‘sum‘ }).rename(columns{‘order_id‘: ‘order_count‘, ‘total_amount‘: ‘sales_amount‘}).reset_index() print(“\n 每小时订单量及销售额 ) print(hourly_sales.sort_values(‘order_hour‘)) # 4. 城市维度分析 city_sales df_store_performance.groupby(‘city‘).agg({ ‘order_id‘: ‘count‘, ‘total_amount‘: ‘sum‘ }).rename(columns{‘order_id‘: ‘order_count‘, ‘total_amount‘: ‘total_sales‘}).reset_index() city_sales city_sales.sort_values(by‘total_sales‘, ascendingFalse) print(“\n 城市销售额排行 ) print(city_sales)7. 数据可视化与图表生成分析结果需要直观呈现。我们将使用 Matplotlib/Seaborn 和 Pyecharts 两种风格进行可视化。步骤 1使用 Matplotlib/Seaborn 绘制静态图表在analysis.py中继续添加可视化代码。# 设置中文字体 (确保系统有相应字体如 SimHei) plt.rcParams[‘font.sans-serif‘] [‘SimHei‘] # 用来正常显示中文标签 plt.rcParams[‘axes.unicode_minus‘] False # 用来正常显示负号 # 创建画布 fig, axes plt.subplots(2, 2, figsize(16, 12)) fig.suptitle(‘霸王茶姬销售数据分析看板‘, fontsize16) # 1. 产品销售额 Top10 柱状图 ax1 axes[0, 0] top10_products product_sales.head(10) bars ax1.barh(top10_products[‘product_name‘], top10_products[‘sales_volume‘], color‘skyblue‘) ax1.set_xlabel(‘销售额 (元)‘) ax1.set_title(‘产品销售额 Top10‘) # 在柱子上添加数值 for bar in bars: width bar.get_width() ax1.text(width max(top10_products[‘sales_volume‘])*0.01, bar.get_y() bar.get_height()/2, f‘{width:.0f}‘, va‘center‘) ax1.invert_yaxis() # 让最高的在最上面 # 2. 每日销售额趋势折线图 ax2 axes[0, 1] ax2.plot(pd.to_datetime(df_daily_sales[‘order_date‘]), df_daily_sales[‘daily_sales‘], marker‘o‘, linestyle‘-‘, linewidth2) ax2.set_xlabel(‘日期‘) ax2.set_ylabel(‘日销售额 (元)‘) ax2.set_title(‘每日销售额趋势‘) ax2.grid(True, linestyle‘--‘, alpha0.7) plt.setp(ax2.xaxis.get_majorticklabels(), rotation45) # 3. 各城市销售额分布饼图 ax3 axes[1, 0] ax3.pie(city_sales[‘total_sales‘], labelscity_sales[‘city‘], autopct‘%1.1f%%‘, startangle90) ax3.set_title(‘各城市销售额占比‘) # 4. 每小时订单量热力图风格柱状图 ax4 axes[1, 1] ax4.bar(hourly_sales[‘order_hour‘], hourly_sales[‘order_count‘], color‘lightcoral‘) ax4.set_xlabel(‘小时‘) ax4.set_ylabel(‘订单量‘) ax4.set_title(‘每小时订单量分布‘) ax4.set_xticks(range(0, 24)) plt.tight_layout() plt.savefig(‘chagee_sales_analysis.png‘, dpi300, bbox_inches‘tight‘) plt.show() print(“静态图表已保存为 ‘chagee_sales_analysis.png‘“)步骤 2使用 Pyecharts 绘制交互式图表Pyecharts 生成的 HTML 图表可以交互更适合在网页中展示。创建新脚本visualize_interactive.py。from pyecharts import options as opts from pyecharts.charts import Bar, Line, Pie, Grid, Page import pandas as pd from sqlalchemy import create_engine # 重新加载数据或使用之前分析好的 DataFrame engine create_engine(‘mysqlpymysql://chagee_user:your_passwordlocalhost/chagee_sales‘) df_daily_sales pd.read_sql(“““SELECT DATE(order_time) as date, SUM(total_amount) as sales FROM orders GROUP BY DATE(order_time) ORDER BY date“““, engine) product_sales pd.read_sql(“““SELECT p.product_name, SUM(od.quantity * od.unit_price) as sales_volume FROM order_details od JOIN products p ON od.product_id p.product_id GROUP BY p.product_id ORDER BY sales_volume DESC LIMIT 10“““, engine) city_sales pd.read_sql(“““SELECT s.city, SUM(o.total_amount) as total_sales FROM orders o JOIN stores s ON o.store_id s.store_id GROUP BY s.city ORDER BY total_sales DESC“““, engine) # 1. 产品销售额 Top10 横向柱状图 (交互式) bar_top10 ( Bar() .add_xaxis(product_sales[‘product_name‘].tolist()[::-1]) # 反转列表让最高的在最上 .add_yaxis(“销售额“, product_sales[‘sales_volume‘].tolist()[::-1]) .reversal_axis() .set_global_opts( title_optsopts.TitleOpts(title“产品销售额 Top10“), xaxis_optsopts.AxisOpts(name“销售额元“), yaxis_optsopts.AxisOpts(name“产品名称“), tooltip_optsopts.TooltipOpts(trigger“axis“, axis_pointer_type“shadow“), ) ) # 2. 每日销售额趋势折线图 line_daily ( Line() .add_xaxis(df_daily_sales[‘date‘].astype(str).tolist()) .add_yaxis(“日销售额“, df_daily_sales[‘sales‘].round(2).tolist(), is_smoothTrue, label_optsopts.LabelOpts(is_showFalse), linestyle_optsopts.LineStyleOpts(width3), itemstyle_optsopts.ItemStyleOpts(color“#5793f3“)) .set_global_opts( title_optsopts.TitleOpts(title“每日销售额趋势“, pos_left“center“), tooltip_optsopts.TooltipOpts(trigger“axis“), xaxis_optsopts.AxisOpts(type_“category“, name“日期“, axislabel_optsopts.LabelOpts(rotate45)), yaxis_optsopts.AxisOpts(name“销售额元“), ) ) # 3. 城市销售额占比饼图 pie_city ( Pie() .add( ““, [list(z) for z in zip(city_sales[‘city‘].tolist(), city_sales[‘total_sales‘].tolist())], radius[“30%“, “60%“], center[“50%“, “50%“], ) .set_global_opts( title_optsopts.TitleOpts(title“各城市销售额占比“), legend_optsopts.LegendOpts(orient“vertical“, pos_top“15%“, pos_left“2%“), tooltip_optsopts.TooltipOpts(trigger“item“, formatter“{a} br/{b}: {c} ({d}%)“), ) .set_series_opts(label_optsopts.LabelOpts(formatter“{b}: {d}%“)) ) # 将图表组合到一个页面中 page Page(layoutPage.SimplePageLayout) page.add(bar_top10, line_daily, pie_city) page.render(“chagee_sales_dashboard.html“) print(“交互式仪表盘已生成请打开 ‘chagee_sales_dashboard.html‘ 查看。“)运行此脚本后会在当前目录生成一个chagee_sales_dashboard.html文件用浏览器打开即可看到可交互的图表。8. 项目整合与报告输出一个完整的项目还需要将分析过程、代码和结论整理成文档或报告。步骤 1使用 Jupyter Notebook 整合分析流程如果你使用 Jupyter Notebook可以将上述数据生成、分析、可视化的代码按逻辑顺序放入不同的 Cell 中并穿插 Markdown 单元格进行文字说明。这是展示项目最清晰的方式之一。步骤 2生成分析报告摘要可以编写一个简单的函数将关键指标输出到文本文件或控制台。def generate_summary_report(): 生成文本分析报告摘要 summary_lines [] summary_lines.append(“” * 50) summary_lines.append(“霸王茶姬销售数据分析报告摘要“) summary_lines.append(“” * 50) summary_lines.append(f“分析时间: {pd.Timestamp.now().strftime(‘%Y-%m-%d %H:%M:%S‘)}“) summary_lines.append(f“数据时间范围: {df_orders[‘order_time‘].min()} 至 {df_orders[‘order_time‘].max()}“) summary_lines.append(f“总订单数: {df_orders.shape[0]:,}“) summary_lines.append(f“总销售额: {df_orders[‘total_amount‘].sum():,.2f} 元“) summary_lines.append(f“涉及门店数: {df_stores.shape[0]}“) summary_lines.append(f“涉及产品数: {df_products.shape[0]}“) summary_lines.append(“\n核心发现“) summary_lines.append(f“1. 最畅销产品: {product_sales.iloc[0][‘product_name‘]} (销售额: {product_sales.iloc[0][‘sales_volume‘]:,.2f}元)“) summary_lines.append(f“2. 销售额最高城市: {city_sales.iloc[0][‘city‘]} (销售额: {city_sales.iloc[0][‘total_sales‘]:,.2f}元)“) summary_lines.append(f“3. 订单高峰时段: {hourly_sales.loc[hourly_sales[‘order_count‘].idxmax()][‘order_hour‘]}:00“) summary_lines.append(“” * 50) report ‘\n‘.join(summary_lines) print(report) # 也可写入文件 with open(‘analysis_summary.txt‘, ‘w‘, encoding‘utf-8‘) as f: f.write(report) # 调用函数生成报告 generate_summary_report()9. 常见问题与排查方法在实践过程中你可能会遇到以下问题问题现象可能原因排查方式解决方案运行generate_data.py时报pymysql连接错误1. MySQL 服务未启动。2. 用户名/密码错误。3. 数据库chagee_sales不存在。4. 用户权限不足。1. 检查 MySQL 服务状态。2. 用 MySQL Workbench 测试连接。3. 执行SHOW DATABASES;确认数据库存在。4. 检查用户授权。1. 启动 MySQL 服务。2. 核对db_config中的密码。3. 执行建库 SQL。4. 重新授予用户权限。Python 提示No module named ‘xxx‘对应的 Python 包未安装。在终端执行pip list | grep xxx查看。在激活的虚拟环境中运行pip install xxx。图表中文显示为方框系统或 Matplotlib 未配置中文字体。检查plt.rcParams[‘font.sans-serif‘]设置的字体是否存在。1. 下载中文字体如 SimHei.ttf到 matplotlib 字体目录。2. 或使用plt.rcParams[‘font.sans-serif‘] [‘DejaVu Sans‘]等通用字体用英文标签。Pyecharts 生成的 HTML 打开是空白1. 浏览器禁止加载本地文件。2. 文件路径错误。1. 检查浏览器控制台是否有错误。2. 确认 HTML 文件已生成。1. 使用page.render(“chagee_sales_dashboard.html“)绝对路径。2. 尝试用python -m http.server启动本地服务器后访问。数据分析结果异常如销售额为01. 模拟数据未成功插入。2. SQL 查询逻辑错误。3. 数据合并时键值不匹配。1. 检查数据库表中是否有数据。2. 分段打印中间 DataFrame 的形状和内容。3. 使用df.head()和df.info()查看数据。1. 重新运行数据生成脚本并确认。2. 仔细检查 SQL 语句和 Pandas 的merge/groupby逻辑。运行速度慢1. 模拟数据量过大。2. 未使用数据库索引。3. 在 Python 中循环处理大数据。1. 观察任务管理器资源占用。2. 对经常查询的字段如order_time,store_id建立索引。1. 减少模拟数据量进行测试。2. 在 MySQL 中为关联字段和条件字段添加索引。3. 尽量使用 Pandas 向量化操作和 SQL 聚合避免 Python 层循环。10. 最佳实践与项目扩展建议完成基础版本后你可以通过以下方式深化这个项目让它更贴近企业实战也更能体现你的能力数据源扩展爬虫获取真实数据尝试从公开渠道需遵守robots.txt获取更真实的茶饮品牌信息进行练习。接入公开数据集使用 Kaggle 等平台上的零售销售数据集调整分析逻辑以适应新数据。分析维度深化用户复购分析假设订单表有用户ID计算复购率、用户生命周期价值CLV。关联规则分析使用 Apriori 或 FP-growth 算法分析产品之间的关联性哪些产品常被一起购买。时间序列预测使用 ARIMA、Prophet 或 LSTM 模型基于历史日销售额预测未来趋势。技术栈升级自动化与调度使用Apache Airflow或cron定时任务将数据更新、分析和报告生成流程自动化。Web 应用展示使用Flask或Streamlit快速搭建一个内部数据看板将上述图表集成到网页中并支持简单筛选。数据库优化学习为表设计更合理的索引对超大数据进行分库分表策略思考。工程化与部署代码模块化将数据生成、数据库操作、分析函数、可视化函数拆分成独立的.py模块通过主程序调用。配置文件将数据库连接信息、文件路径等写入config.yaml或.env文件避免硬编码。容器化尝试编写Dockerfile将整个项目环境Python、依赖、代码打包成镜像实现一键部署。报告与呈现使用Jupyter Notebook或Google Colab将整个分析过程做成一个可交互、可复现的故事文档。学习使用Power BI或Tableau连接 MySQL制作更专业的商业智能仪表盘。这个项目从环境搭建到可视化展示的完整闭环清晰地展示了如何使用 Python 和 MySQL 解决一个虚构的商业分析问题。它不仅帮你巩固了技术栈更重要的是提供了一个可以深入讲述的“项目故事”。在面试中你可以清晰地描述项目背景、你承担的角色、遇到的技术挑战如数据清洗、性能优化以及最终的商业洞察。现在你可以基于这个框架替换成你感兴趣的任何其他领域如电商、游戏、社交打造属于你自己的数据分析作品集。