Menu
CoddyTech
COMMENCER À APPRENDRE
flag Fr iconFrançaisdown icon

Rapport des ventes

Fait partie de la section Données et visualisations du Journey Machine Learning de Coddy. Leçon 57 sur 60.

Un magasin de meubles a enregistré ses commandes de mars dans sales.csv, une ligne par commande : date, region, product, units, price et cost (tous deux par unité).

Chaque responsable régional souhaite un graphique : le bénéfice par produit, en commençant par celui qui rapporte le plus. Voici celui de l’Est :

Un graphique à barres intitulé Bénéfice dans l’Est : cinq produits, du bénéfice le plus élevé au plus faible : Bureau 414, Chaise 408, Lampe 363, Étagère 337.5 et Tapis 250

Le bénéfice d’une commande est ce que le magasin conserve : le prix moins le coût, multiplié par le nombre d’unités.

challenge icon

Défi

Difficile

Le programme lit une région.

  1. Conservez les commandes de cette région et ajoutez une colonne profit.
  2. Faites le total des profits par produit, du plus élevé au plus faible.
  3. Affichez le nombre de commandes, puis le produit en tête avec son total et sa part des profits de la région, en pourcentage arrondi à 1 décimale.
  4. Représentez les totaux sous forme de barres avec la forme fig, ax, avec pour titre Profit in suivi de la région, et pour libellés Product et Profit.

Pour East, la sortie complète se trouve ci-dessous : vos deux lignes, puis la description de votre graphique par Coddy.

Orders in East: 13
Most profit in East: Desk (414.0), 23.4% of the region
Charts drawn: 1
Title: Profit in East
X label: Product
Y label: Profit
Bars: 5
Categories: Desk, Chair, Lamp, Shelf, Rug
Heights: [414, 408, 363, 337.5, 250]

Essayez vous-même

import pandas as pd
import matplotlib.pyplot as plt

region = input()

# Écrivez votre code ci-dessous
quiz iconTestez-vous

Cette leçon comprend un petit quiz. Commencez la leçon pour y répondre et suivre votre progression.

Toutes les leçons de Données et visualisations

1Introduction

Bonjour, Machine LearningQu’est-ce qu’un modèle ?Importer des bibliothèquesVotre premier graphique

4Façonner les données

Remodeler les tableauxJoindre des tableauxNombres aléatoiresRécapitulatif : simulation de dés

7DataFrames pandas

SeriesDataFramesLecture de fichiers CSVInspection des donnéesSélection de colonnesRécapitulatif : notes de films

10Tracer des DataFrames

Tracer un DataFrameNuage de points à partir de colonnesUne couleur par groupeHistogramme d’une colonneRécapitulatif : ventes du café

2Tableaux NumPy

Créer des tableauxForme et taillePlages de nombresIndexation et découpageRécapitulatif : grille de températures

5Graphiques en courbes et nuages de points

Étiquettes et titresNuages de pointsPlusieurs courbes et légendesCouleurs et marqueursFigures et axesRécapitulatif : pas hebdomadaires

8Filtrer et trier

Sélectionner des lignesFiltrer des lignesTrier les valeursNouvelles colonnesRécapitulatif : meilleurs produits

11Jeux de données pour le ML

Jeux de données intégrésCaractéristiques et étiquettesExplorer par classeReprésenter les classesRécapitulatif : jeu de données Wine

3Calculs sur les tableaux

Opérations mathématiques sur des tableaux entiersStatistiques récapitulativesStatistiques par axeDiffusionMasques booléensRécapitulatif : notes d’examen

6Graphiques de données

Diagrammes en barresHistogrammesPlusieurs graphiques en unImages sous forme de tableauxRécapitulatif : rapport sur les précipitations

9Regrouper et nettoyer

Compter les valeursRegrouper les donnéesPlusieurs résumésValeurs manquantesRécapitulatif : résultats de l’enquête

12Défis finaux

Rapport des ventesRelevés des capteursLes chiffres en un coup d’œilExplorateur pingouin

Entraînez-vous par vous-même : Compilateur Python en ligne