Python电商销售数据分析案例题Word文档示例

这份参考范本直接解决了课程作业、求职面试和员工培训中对“实战案例题标准化试卷及解答报告”的撰写需求。文章分为两部分：前半部分展示一份可直接复制或排版进 Word（.docx）文件的完整试题与解答范例，后半部分讲解如何使用 Python 的 pandas 处理题目逻辑，并利用 python-docx 库将题目、表格与统计图全自动编译导出为规范的 Word 文件。

图 1：Word 案例题文档的四个核心组成模块

一、案例题 Word 文档正文示范

以下内容为 Word 卷面的标准编排文本。你在创建 .docx 时，可以直接复制本段的标题排版、表格与题目设定。

二、各任务解答代码与数据处理推导

考查的解题思路遵循标准的数据处理生命周期：从源头数据加载，经过校验和逻辑运算，最终输出透视表与图表。

图 2：数据分析实操任务实施四步法

以下是学员完成该案例题所需的标准 Python 脚本。环境仅需依赖 pandas 和 matplotlib：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 1. 模拟生成原始数据集（如果已有真实 csv 则替换为 pd.read_csv('orders_q2.csv')）
data = {
    'order_id': ['ORD001', 'ORD002', 'ORD003', 'ORD004', 'ORD005', 'ORD006', None, 'ORD008'],
    'user_id': ['U101', 'U102', 'U101', 'U103', 'U104', 'U102', 'U105', 'U106'],
    'order_date': ['2024-04-12 10:20:00', '2024-04-20 15:30:00', '2024-05-02 08:10:00',
                   '2024-05-18 19:40:00', '2024-06-01 11:00:00', '2024-06-15 14:20:00',
                   '2024-06-20 09:00:00', '2024-06-25 16:00:00'],
    'category': ['智能穿戴', '配件类', '智能穿戴', '影音设备', '充电设备', '配件类', '配件类', '影音设备'],
    'price': [120.0, 15.0, 130.0, 85.0, 25.0, -15.0, 30.0, 90.0],
    'quantity': [1, 2, 1, 1, 4, 0, 1, 2],
    'discount': [0.9, 1.0, 0.85, 0.95, 0.8, 1.0, 0.9, 0.85]
}
df = pd.DataFrame(data)

# --- 任务一：数据清洗 ---
# 1.1 剔除关键主键为空的行
df_clean = df.dropna(subset=['order_id']).copy()

# 1.2 过滤异常的单价与数量（单价与购买量必须大于 0）
df_clean = df_clean[(df_clean['price'] > 0) & (df_clean['quantity'] > 0)]

# 1.3 日期转化与提取月份
df_clean['order_date'] = pd.to_datetime(df_clean['order_date'])
df_clean['month'] = df_clean['order_date'].dt.to_period('M')

# 1.4 计算实付金额
df_clean['pay_amount'] = df_clean['price'] * df_clean['quantity'] * df_clean['discount']

# --- 任务二：销售透视与汇总 ---
pivot_sales = df_clean.pivot_table(
    index='category', 
    columns='month', 
    values='pay_amount', 
    aggfunc='sum', 
    fill_value=0
)
print("【各品类月度销售额透视表（单位：美元）】")
print(pivot_sales)

# --- 任务三：复购率计算 ---
user_order_counts = df_clean.groupby('user_id')['order_id'].nunique()
total_buyers = len(user_order_counts)
repeat_buyers = (user_order_counts >= 2).sum()
repeat_rate = (repeat_buyers / total_buyers) * 100 if total_buyers > 0 else 0

print(f"\n【用户复购指标】\n总购买人数: {total_buyers} 人")
print(f"复购人数: {repeat_buyers} 人 | 季度复购率: {repeat_rate:.2f}%")

三、用 Python 自动化生成 Word 文档

手动排版 Word 耗时且难以批量维护。使用 python-docx 库，可以直接将题目要求、清洗后的汇总数据表格，甚至生成的统计图直接导出为一个完整的 Word 文档。

运行该程序前，请在终端执行安装依赖：

pip install python-docx pandas matplotlib

自动化导出 Word 的完整代码如下：

import docx
from docx.shared import Inches, Pt, RGBColor
from docx.enum.text import WD_ALIGN_PARAGRAPH
import pandas as pd
import matplotlib.pyplot as plt

def create_case_study_word(output_path="电商销售数据分析案例题.docx"):
    # 创建文档对象
    doc = docx.Document()

    # 1. 设置主标题
    title = doc.add_heading(level=0)
    run_title = title.add_run("Python电商销售数据分析案例题与参考解答")
    run_title.font.name = "微软雅黑"
    run_title.font.size = Pt(18)
    run_title.font.color.rgb = RGBColor(0x2C, 0x3E, 0x50)
    title.alignment = WD_ALIGN_PARAGRAPH.CENTER

    # 2. 写入背景小节
    doc.add_heading("一、 考查背景与考核目标", level=1)
    p_desc = doc.add_paragraph(
        "本项目针对跨境电商日常销售流水进行专项分析，重点考查考生利用 Python 进行数据规整、"
        "多维度聚合透视以及生成经营决策依据的实战能力。"
    )

    # 3. 写入数据字段字典（生成表格）
    doc.add_heading("二、 原始数据字典", level=1)
    table_data = [
        ["字段名称", "字段类型", "业务含义"],
        ["order_id", "String", "订单唯一标识符，不可为空"],
        ["user_id", "String", "买家账户 ID"],
        ["order_date", "Datetime", "订单成交支付时间"],
        ["category", "String", "所属品类（配件、智能设备等）"],
        ["pay_amount", "Float", "实付成交金额（美元）"]
    ]
    
    table = doc.add_table(rows=len(table_data), cols=3)
    table.style = 'Light Shading Accent 1' # Word 内置常见现代表格样式
    for r_idx, row in enumerate(table_data):
        for c_idx, val in enumerate(row):
            table.cell(r_idx, c_idx).text = val

    # 4. 生成可视化图表并插入 Word
    doc.add_heading("三、 核心分析图表（月度趋势）", level=1)
    
    # 模拟画图并暂存本地
    categories = ['智能穿戴', '影音设备', '充电设备', '数码配件']
    sales = [218.5, 233.75, 80.0, 30.0]
    
    plt.figure(figsize=(6, 3.5))
    plt.bar(categories, sales, color='#6B88A6')
    plt.title('2024 Q2 各品类总实付金额 ($)')
    plt.ylabel('金额 (USD)')
    plt.tight_layout()
    chart_img_path = "sales_chart_temp.png"
    plt.savefig(chart_img_path, dpi=200)
    plt.close()

    # 插入图表至 Word
    doc.add_picture(chart_img_path, width=Inches(5.0))
    p_caption = doc.add_paragraph("图 1-1：Q2 各品类总实付额分布柱状图")
    p_caption.alignment = WD_ALIGN_PARAGRAPH.CENTER

    # 5. 写入参考业务结论
    doc.add_heading("四、 业务决策建议", level=1)
    doc.add_paragraph("1. 影音与智能穿戴占据全店销售额 75% 以上，下季度应优先保障对应品类的安全库存。", style='List Bullet')
    doc.add_paragraph("2. 配件类客单偏低，可配置作为“满减凑单品”以提升整体客单价与毛利表现。", style='List Bullet')

    # 保存文档
    doc.save(output_path)
    print(f"Word 文档已成功生成并保存至：{output_path}")

if __name__ == "__main__":
    create_case_study_word()

图 3：python-docx 对象层级装配关系

四、制作与判卷注意事项

在准备或批改基于 Word 的 Python 案例分析文档时，以下三个技术细节最容易被遗漏：

• 中文字体渲染回退问题： python-docx 默认生成的纯英文样式，直接在段落中追加中文字符时，Word 客户端可能将其回退为宋体。如果要统一样式，需显式对每一个 Run 对象的 _r.get_or_add_rPr() 配置东亚字体（EastAsia）。
• 临时图片资源销毁： 代码中使用 plt.savefig() 导出的图表在插入 Word 之后，建议使用 Python 原生 os.remove() 删除临时图文件，避免多次运行产生磁盘垃圾或文件名冲突。
• 字段类型严格匹配： 在审阅学员提交的实操分析时，首要检查的是数据类型转换步骤。例如 order_date 如果依然是 object（文本）类型而不是 datetime64，后续所有关于月份与时段维度的分组透视均无法得到正确答案。

图 4：案例题从命题、答题到自动生成总结报告的全流程对照

按照上述给出的结构模版和脚本代码，你可以快速生成标准化的电商案例题试卷，或是通过脚本一键把销售数据的分析图表整理为排版规范的 Word 报告文档。