In [34]:
import pandas as pd
import numpy as np
import sys
file_name="\测试数据.xlsx"
file_path=r"F:\OneDrive\华莱士\电商"
file=file_path+file_name
df = pd.read_excel(file,
usecols = "D,M,R:AD",
sheet_name= '订单明细')
df.head(10)
Out[34]:
In [35]:
# 设定保底和费率
设定保底=4.5
设定费率=15
# 测算保底和费率
测算保底=0 # 这个没保底的
测算费率=20
print(
"""
配送方式 费率 保底
美团快送 15.0% 4.5
美团专送 15.0% 4.5
到店取餐 5.0% 0.5
津贴联盟 -
代理商配送 16.0% -按原价
商家自配 16.0% -
只测算美团的
""")
df.dtypes
Out[35]:
In [36]:
# 版本0.21.0引入了infer_objects()方法，用于将具有对象数据类型的DataFrame的列转换为更具体的类型。
df['美团活动补贴']=df['美团活动补贴'].replace('-',0).astype(float)
df['用户支付配送费']=df['用户支付配送费'].replace('-',0).astype(float)
df['用户线上支付金额']=df['用户线上支付金额'].replace('-',0).astype(float)
try:
df['费率']=df['费率'].str.strip("%").astype(float) # Python如何将百分号的字符转成数字
except AttributeError as err:
print(err)
df['保底']=df['保底'].replace('-',0).astype(float) # Python强行转换格式
df美团待测算=df
df美团待测算.dtypes
Out[36]:
In [37]:
print("当前最大费率（代理商费率16，美团专送15）：",df['费率'].max(),"当前最大保底：",df['保底'].max())
print("""
费率 计数
""",df美团待测算['费率'].value_counts())
In [38]:
print("描述性统计，数据收集目标：保底订单计数，总订单计数，全部客单价、保底客单价、抽点客单价（筛选美团外卖）")
df美团待测算.loc[df美团待测算['平台服务费']== -df美团待测算['保底'],'是否保底']=True # 算保底
df美团待测算['是否保底']=df美团待测算['是否保底'].fillna(False)
df美团待测算.head(10)
Out[38]:
In [39]:
df描述性统计1=df美团待测算.groupby(['交易类型','配送方式','是否保底'])['平台服务费'].count().reset_index()
df描述性统计1['统计']='计数'
df描述性统计1['文件名']=file_name
In [40]:
df描述性统计2=df美团待测算.groupby(['交易类型','配送方式','是否保底'])['平台服务费'].mean().reset_index()
df描述性统计2['统计']='平均值'
df描述性统计2['文件名']=file_name
In [41]:
df描述性统计3=df美团待测算.groupby(['交易类型','配送方式','是否保底'])['平台服务费'].sum().reset_index()
df描述性统计3['统计']='求和'
df描述性统计3['文件名']=file_name
In [42]:
pd.concat([df描述性统计1,df描述性统计2,df描述性统计3],axis=0).to_csv(file_path + file_name + '输出' + '.csv')
In [28]:
# 服务费计算方法
# df美团专送.loc[df美团专送['校验']>=1] 这样会出来一堆代理商配送，这种代理商配送的，是原价*费率，我们一定要谈掉，太坑爹了
# df美团待测算['无保底服务费']=(df美团待测算['用户线上支付金额'] - df美团待测算['用户支付配送费'] + df美团待测算['美团活动补贴'])*设定费率/100
In [ ]: