本人是在一家零售行业工作，所出的教程，都是我日常工作中遇到的 复杂而大量重复的工作 我用python代替去完成它，都是原创内容，非粘贴复制，如果我的文章能够帮助到大家，希望帮忙点个关注。当然，如果有很多错别字，也请见谅。
问题来了：
领导总是叫我每天导出来分析，但是我们公司分析数据总是要到 大区和小区，因为我们大区和小区都有负责人，KPI考核要对应负责人，通过数据去体现问题。这一次领导叫我把线上的门店自提订单数据导出来做数据分析。
题外话：因为公司对接到第三方ERP系统都是以门店为主去对接的，因为我们钱给的少，所以第三方数据不支持定制化数据分析。只能靠我们手工用excel 去做表。但是如果只是做一次，还勉强用excel 能做好。如果是天天都需要数据跟进，那天天都需要做数据赛选和匹配。虽然excel 可以做到输入好公式，把数据源复制粘贴进去，可以自动计算。但是excel 公式多，会非常的吃电脑性能，而且出现无响应等。所以这个时候我们需要利用代码去完成这个，我们叫的高大上的名字 办公自动化
先给大家看下从ERP导出来的数据源是什么样子：
订单状态订单金额（实付）下单时间提货门店销售门店（code）客服备注商品金额总计订单支付已过期0.102019-09-17 10:45:56多多一上总部A9999 0.10订单支付已过期0.102019-09-17 17:33:07江南摩尔店A9999 0.10订单支付已过期0.102019-09-17 17:33:59多多一上总部A9999 0.10订单支付已过期0.102019-09-17 17:35:04江南摩尔店A9999 0.10订单支付已过期0.102019-09-18 08:24:09江南摩尔店A9999 0.10订单支付已过期0.102019-09-18 08:28:07江南摩尔店A9999 0.10订单支付已过期0.102019-09-18 08:29:25嘉兴平湖店A9999 0.10订单支付已过期0.102019-09-18 08:53:05江南摩尔店A9999 0.10订单支付已过期0.102019-09-18 09:51:24多多一上总部A9999 0.10订单支付已过期0.102019-09-18 09:56:04多多一上总部A9999 0.10订单支付已过期0.102019-09-18 10:17:22多多一上总部A9999 0.10订单取消0.012019-09-18 10:55:52江南摩尔店A9999 0.01待备货29.002019-09-23 19:36:06兰溪星辰店A0012 29.00待备货29.002019-09-23 19:38:32巫山祥云店B0203 29.00订单支付已过期19.002019-09-23 19:38:51全椒新华路A0466 19.00订单取消29.002019-09-23 19:49:06宣恩解放街A0465 29.00订单支付已过期29.002019-09-23 19:49:12临沂兰山店A0265 29.00待备货29.002019-09-23 19:49:34枣庄薛城财富步行街A0295 29.00待备货67.002019-09-23 19:50:12三水湾店A0105 67.00待备货67.002019-09-23 19:50:12三水湾店A0105 67.00待备货67.002019-09-23 19:50:12三水湾店A0105 67.00在数据合并前需要准备一个带有大区，小区 ，门店 的表去根据 “提货门店” 和 下方 的 “门店” 合并 如下表：我看到数据后先做的是 python 的 merge 数据合并，这里合并就是excel 函数的vlookup 是一样的基本功能，如果要区别的，我觉得merge 还是要强大。
大区小区门店南方大区温州大区温州楠江店南方大区温州大区温州新桥店南方大区温州大区温州状元店南方大区温州大区温州浦西店南方大区温州大区温州北白象新店南方大区温州大区路桥金清店南方大区温州大区温岭松门店南方大区温州大区温州蟠凤商业街南方大区温州大区区域合计北方大区江苏一区淮安幸福店北方大区江苏一区漕运广场店北方大区江苏一区东长街店北方大区江苏一区淮安盱眙店北方大区江苏一区阜宁阜师路北方大区江苏一区淮安汇通店北方大区江苏一区东大街店北方大区江苏一区少年宫店代码如下：
#encoding:utf-8import pandas as pd #导入pandas包rd_excel1 = pd.read_excel(r"D:111Book1.xlsx") #读取具有大区，小区，门店的表rd_excel2 = pd.read_excel(r"D:11112049_2019092810070530368495.xls") #读取数据源表merge_excel = pd.merge(rd_excel1,rd_excel2,left_on='门店',right_on='提货门店') # 进行指定相同值的合并merge_excel.to_excel(r"D:111merge.xlsx") #保存为merge.xlsx合并后效果如下：
事情还没完，这个只是在数据源中匹配合并好了提货门店所属的大区和小区
下面我们据需要根据上面的数据源 进行 对数据的分类汇总 和 计数 以及修改列名。
第一步，修改列名：
为了生成的数据更好理解 所以需要修改列名 。把数据源列名的 订单状态 修改为 订单数量，购买数量 修改为 购买件数
代码如下：
rd_merge = pd.read_excel(r"D:111merge.xlsx") #读取刚刚合并好的excelchanger =rd_merge.rename(columns={'订单状态':'订单数量','购买数量':'购买件数'}) #修改列名第二步，赛选出不要的数值，这里是在excel 中 订单状态 那列除了“已自提”，“待备货”，“待自提” 且 商品总金额 大于0。
这里主要去除掉不要的数据，方便在生成的时候，不占用太多资源。
代码如下：
df = pd.DataFrame(changer) #讲上面改变列名的表格转成 DFtitle = ['已自提','待备货','待自提'] #定义一个列表，就是需要选中的列的值sel_excel = df[(df['订单数量'].isin(title)) & (df["商品金额总计"]>1)] #进行赛选第三步，按条件进行分类汇总（按条件进行求和），进行按条件进行计数。
这里主要根据自己工作业务逻辑去做求和 和 计数 等计算方式
代码如下：
province = sel_excel.groupby(['大区']).agg({'订单数量':'count','商品金额总计':'sum','购买件数':'sum'})to_city = sel_excel.groupby(['小区']).agg({'订单数量':'count','商品金额总计':'sum','购买件数':'sum'})shop = sel_excel.groupby(['门店']).agg({'订单数量':'count','商品金额总计':'sum','购买件数':'sum'})上述代码解释，以一行代码为例解释，
province = sel_excel.groupby(['大区']).agg({'订单数量':'count','商品金额总计':'sum','购买件数':'sum'})
按照上面“进行赛选” 后得出的数据进行 分组统计，也就是 groupby函数，然后集合agg函数，网上说agg 功能主要是提供基于列的聚合操作。在 groupby（）中的值 就是要计算的条件。而后面的出 在订单数量【前名字为订单状态】为计数，商品金额总计为求和，购买件数 为 求和 都是计算方式。
第四步，新建表格，将上面 大区，小区，门店，写入到excel 不同sheet中。
代码如下：
writer = pd.ExcelWriter(r"D:111m2.xlsx") #新建 m2.xlsx 表sheet1 = pd.DataFrame(province) #进行转成DF格式sheet2 = pd.DataFrame(to_city) #进行转成DF格式sheet3 = pd.DataFrame(shop) #进行转成DF格式sheet1.to_excel(writer,sheet_name='大区') #写入到m2.xlsx 的名叫 大区的sheet中sheet2.to_excel(writer,sheet_name='小区') #写入到m2.xlsx 的名叫 小区的sheet中sheet3.to_excel(writer,sheet_name='门店') #写入到m2.xlsx 的名叫 门店的sheet中writer.save() #保存writer.close() #关闭excel最后代码执行后效果如下：
下方是sheet的截图
下方是门店sheet中的数据：
门店订单数量商品金额总计购买件数万州五桥上海大道3873万州新城一店4964万州新城二店21162三台老西街2582三水湾店52495上虞青春店41924东大街店3773东长街店1043111中江上南街店2382临沂义堂店31453
下方是小区sheet中的数据：
小区订单数量商品金额总计购买件数安徽一区1850818安徽二区1966919安徽四区2886628山东一区54212556山东二区40187046江苏一区55191856江苏三区29121532浙北大区2496925浙西一区61826浙西二区1044810温州大区1793917下方是大区sheet中的数据：
大区订单数量商品金额总计购买件数北方大区2439171255南方大区57253858成都大区39915550411湖南大区1123848116贵州大区1047487115重庆大区1244419126分享就到这里了，可能文字描述逻辑有些不对，还请原谅。
别忘记，如果对你带来启发和灵感，给我点个关注呗。