前言

你是否每日都花费大量时间做着各种报表，被小伙伴们亲切的称为：“表哥”“表姐”

你是否经历过数据太大导致Excel程序卡死，做了一上午的成果付诸东流（额的神啊￣へ￣）

你是否经历过因长时间盯着各种表导致眼花缭乱，弄错公式，数据出错，闹出笑话

如果以上几个场景你都经历过，或是正处在这个阶段，那么这篇文章可能对你有点帮助。

本文结合实际工作场景，从数据获取一数据清洗—模型搭建（计算）—数据可视化，展现自动化展示的完整过程，过程虽简单，希望大家可以由简入深，各有所得。

注：文章所有数据均为虚拟数据

正文

工具及第三方库：MySQL Jupter Notebook ；Pandas numpy pyecharts

在文章开始之前，先简要介绍一下业务场景及整体思路：

业务场景：

在线教育行业，用户转化关键指标主要有：用户注册数、用户试听数、用户成单数，由此制作一个漏斗图可以很直观的展示连续业务流程节点转化情况。

整体思路：

一、获取数据

首先从数据库中导出“注册表”“试听表”“成单表”，然后使用Pandas导入等待处理

import pandas as pd
import numpy as np
from datetime import datetime
#导入数据表：“员工表”“注册表”“试听表”“成单表”
employee=pd.read_excel('C:/Users/young/Desktop/自动化report/业务员明细表.xlsx')
register=pd.read_excel(r'C:/Users/young/Desktop/自动化report/注册表.xlsx')
audition=pd.read_excel('C:/Users/young/Desktop/自动化report/试听表.xlsx')
contract=pd.read_excel('C:/Users/young/Desktop/自动化report/成单表.xlsx')
#查看register表是否导入成功
employee.head()
#查看数据量
employee.shape
#其他表也是通过该方式查看
#通过查看，这几张表都已成功导入

二、数据清洗

这里的数据清洗最关键的是，因需要统计特定部门业绩，所以这里需要通过部门员工ID匹配三张业绩表，从而得到只属于特定部门的业绩数据。我们做漏斗统计，只需要计数即可，所以有很多的字段是用不到的，我们可以只选择原表中需要的字段进行匹配即可，这样可以减少内存使用空间，提高处理速度

#选取各个原表中需要的字段
register_1=register['ID','create_time']
auditon_1=audition['ID','time','status']
contract_1=contract['ID','values']#匹配注册表，因为要匹配特定员工业绩所以这里使用left连接
register_s=pd.merge(employee,register_1,left_on='id',right_on='ID',how='left')
#同样的，试听表及成单表也是同样的处理方式
audition_s=pd.merge(employee,audition_1,left_on='id',right_on='ID',how='left')
contract_s=pd.merge(employee,contract_1,left_on='id',right_on='ID',how='left')

三、数据计算

#总注册数
Tr=register_s['ID'].count()
Tr=Tr.astype(float)#转化数据类型#总试听数
#满足状态才算是试听，这里起到过滤的作用
ad=audition_s.loc[(audition_s.status.isin(['system','no_system']))]
Ta=ad['ID'].count()
Ta=Ta.astype(float)#总成单数
Tc=contract_s['ID'].count()
Tc=Tc.astype(float)
Tc

四、数据可视化

把上面计算所得的数据构建一个DataFrame数据结构

report = pd.DataFrame([Tr,Ta,Tc],index = ["总客户数","总试听数",'总成单数'])
report.reset_index().rename(columns={'index':'类目',0:'统计'})#修改列名#输出：
'''
类目       统计
总客户数   65000 
总试听数   10000
总成单数   5000
'''

制作漏斗图

pyecharts版本已更新至一个全新的版本v1，且向下不兼容，也就是说之前用低版本写的东西全部无效了，所以本文用的是最新版本的pyecharts

附上官方文档：

A Python Echarts Plotting Library​pyecharts.org

from pyecharts import options as opts
from pyecharts.charts import Funnel, Pagem=["总注册数","总试听数",'总签约数']
n=[Tr,Ta,Tc]funnel=(Funnel(init_opts = opts.InitOpts(width="500px",height="400px")).add("类目",[list(z) for z in zip(m,n)]).set_global_opts(title_opts=opts.TitleOpts(title="漏斗图")))
funnel.render_notebook()

以上就是简单的自动化漏斗图，这里只提供思路，其实还有很多的东西可以做，比如环比、同比等等。