Python根据主播直播时间段判定订单销售额归属

2024-04-14 18:36

本文主要是介绍Python根据主播直播时间段判定订单销售额归属,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

写在前面:最近在群里看到一个这样的直播电商的场景觉得还是挺有趣的,于是就想用Python来实现。

需求描述:根据主播直播时间段结合销售订单的付款时间判断所属销售的归属
在这里插入图片描述

生成主播在线直播时间段数据

from datetime import datetime, timedelta
import random
import pandas as pddef generate_live_data(start_time, live_duration, anchors, num_repeats=4):"""生成直播数据。参数:start_time (datetime): 直播开始时间。live_duration (timedelta): 直播时长。anchors (list): 主播列表。num_repeats (int): 每个主播重复直播的次数,默认为 4。返回:DataFrame: 包含生成的直播数据的 DataFrame,每行包括开始时间、结束时间和主播。"""live_data = []current_time = start_timefor anchor in anchors:for _ in range(num_repeats):  # 每人直播指定次数end_time = current_time + live_duration  # 计算直播结束时间live_data.append((current_time, end_time, anchor))current_time = end_time# 将列表转换为 DataFramedf = pd.DataFrame(live_data, columns=["Start Time", "End Time", "Anchor"])return df# 定义开始时间
start_time = datetime(2024, 4, 11, 0, 0)  # 2024年4月11日凌晨# 定义直播时长
live_duration = timedelta(hours=3)  # 每人直播三小时# 定义主播列表
anchors = ["Anchor 1", "Anchor 2", "Anchor 3", "Anchor 4"]# 生成直播数据
live_data_df = generate_live_data(start_time, live_duration, anchors)# 将数据写出到 Excel 文件
excel_file_path = "live_data.xlsx"
live_data_df.to_excel(excel_file_path, index=False)

主播数据展示

在这里插入图片描述

生成销售订单数据

import pandas as pd
from datetime import datetime, timedelta
import randomdef generate_purchase_data(start_time, end_time, time_interval, customers, products):"""生成模拟购买数据,并导出到 Excel 文件。参数:start_time (datetime): 数据开始时间。end_time (datetime): 数据结束时间。time_interval (timedelta): 时间间隔。customers (list): 模拟客户姓名列表。products (list): 模拟商品列表。返回:str: 导出的 Excel 文件路径。"""# 生成时间列表time_list = []current_time = start_timewhile current_time < end_time:time_list.append(current_time)current_time += time_interval# 生成模拟购买数据purchase_data = []for time in time_list:for customer in customers:product = random.choice(products)  # 随机选择一个商品quantity = random.randint(1, 5)  # 随机生成购买数量purchase_data.append((time, customer, product, quantity))# 将购买数据转换为 DataFramedf = pd.DataFrame(purchase_data, columns=["Time", "Customer", "Product", "Quantity"])# 导出到 Excel 文件excel_file = "purchase_data.xlsx"df.to_excel(excel_file, index=False)return excel_file# 定义开始时间和结束时间
start_time = datetime(2024, 4, 11, 0, 0)  # 2024年4月11日凌晨
end_time = datetime(2024, 4, 13, 0, 0)    # 2024年4月12日凌晨# 定义时间间隔
time_interval = timedelta(minutes=30)  # 每隔半小时# 定义模拟的客户姓名列表和商品列表
customers = ["Alice", "Bob", "Charlie", "David", "Emma"]
products = ["Product A", "Product B", "Product C", "Product D", "Product E"]# 生成购买数据并导出到 Excel 文件
excel_file_path = generate_purchase_data(start_time, end_time, time_interval, customers, products)print("数据已成功导出到 Excel 文件:", excel_file_path)

销售订单数据展示

在这里插入图片描述

根据销售数据匹配主播直播时间段并保存到Excel文件

有时候我们需要根据销售数据来匹配主播的直播时间段,以便进行更深入的分析。

1. 导入必要的模块

import pandas as pd
from datetime import datetime

2. 从Excel文件中读取销售数据和主播直播时间数据

# 从Excel文件中读取销售数据
sales_data = pd.read_excel("C:\\Users\\Administrator\\Desktop\\purchase_data.xlsx")# 将时间列转换为datetime类型
sales_data['Time'] = pd.to_datetime(sales_data['Time'])# 从Excel文件中读取主播直播时间数据
anchor_time_data = pd.read_excel("C:\\Users\\Administrator\\Desktop\\live_data.xlsx")# 将时间列转换为datetime类型
anchor_time_data['Start Time'] = pd.to_datetime(anchor_time_data['Start Time'])
anchor_time_data['End Time'] = pd.to_datetime(anchor_time_data['End Time'])

3. 初始化结果列表并遍历销售数据

# 初始化一个空列表,用于存储结果
result = []# 遍历销售数据,判断每笔销售属于哪个主播的直播时间段
for index, row in sales_data.iterrows():sale_time = row['Time']customer = row['Customer']product = row['Product']quantity = row['Quantity']# 判断销售时间在哪个主播的直播时间段内for _, anchor_row in anchor_time_data.iterrows():start_time = anchor_row['Start Time']end_time = anchor_row['End Time']anchor = anchor_row['Anchor']if start_time <= sale_time <= end_time:result.append((start_time, end_time, anchor,sale_time, customer, product, quantity))break

4. 将结果转换为DataFrame并保存到Excel文件

# 将结果转换为DataFrame
result_df = pd.DataFrame(result, columns=['Start Time', 'End Time', 'Anchor','sale_time', 'Customer', 'Product', 'Quantity'])# 将结果保存到Excel文件
excel_file_path = "live_data2.xlsx"
result_df.to_excel(excel_file_path, index=False)

5. 完整代码

import pandas as pd
from datetime import datetime# 从Excel文件中读取销售数据
sales_data = pd.read_excel("C:\\Users\\Administrator\\Desktop\\purchase_data.xlsx")# 将时间列转换为datetime类型
sales_data['Time'] = pd.to_datetime(sales_data['Time'])# 从Excel文件中读取主播直播时间数据
anchor_time_data = pd.read_excel("C:\\Users\\Administrator\\Desktop\\live_data.xlsx")# 将时间列转换为datetime类型
anchor_time_data['Start Time'] = pd.to_datetime(anchor_time_data['Start Time'])
anchor_time_data['End Time'] = pd.to_datetime(anchor_time_data['End Time'])# 初始化一个空列表,用于存储结果
result = []# 遍历销售数据,判断每笔销售属于哪个主播的直播时间段
for index, row in sales_data.iterrows():sale_time = row['Time']customer = row['Customer']product = row['Product']quantity = row['Quantity']# 判断销售时间在哪个主播的直播时间段内for _, anchor_row in anchor_time_data.iterrows():start_time = anchor_row['Start Time']end_time = anchor_row['End Time']anchor = anchor_row['Anchor']if start_time <= sale_time <= end_time:result.append((start_time, end_time, anchor,sale_time, customer, product, quantity))break# 将结果转换为DataFrame
result_df = pd.DataFrame(result, columns=['Start Time', 'End Time', 'Anchor','sale_time', 'Customer', 'Product', 'Quantity'])# 打印结果
print(result_df)excel_file_path = "live_data2.xlsx"
result_df.to_excel(excel_file_path, index=False)

这篇关于Python根据主播直播时间段判定订单销售额归属的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/903699

相关文章

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很