在日常經(jīng)營分析中，銷量數(shù)據(jù)是最基礎也最常用的一類數(shù)據(jù)。對于校園奶茶店而言，統(tǒng)計一周中每天的銷量，不僅可以幫助經(jīng)營者了解整體銷售水平，還可以發(fā)現(xiàn)銷量高峰與低谷，并進一步分析不同時間段對總銷量的貢獻。

這類問題雖然規(guī)模不大，但非常適合作為 NumPy 數(shù)組基礎操作的應用實例。因為一周銷量數(shù)據(jù)本質上就是一組有順序的數(shù)值，可以直接表示為一維數(shù)組，再配合均值計算、最大最小值定位、切片、求和等操作，便可以完成基礎分析任務。

本實例以某校園奶茶店一周的日銷量數(shù)據(jù)為例，使用 NumPy 完成以下任務：計算平均日銷量，找出銷量最高和最低的日子，并統(tǒng)計周末銷量占總銷量的比例。

一、理論基礎

1、為什么適合用 NumPy 處理銷量數(shù)據(jù)

銷量數(shù)據(jù)通常具有以下特點：

? 數(shù)據(jù)是按時間順序排列的

? 每個數(shù)據(jù)項都表示同一種量，例如“杯數(shù)”

? 需要進行均值、求和、最大值、最小值、切片等數(shù)值操作

由于這類數(shù)據(jù)既具有順序性，又需要進行常見的數(shù)值統(tǒng)計運算，因此非常適合使用 NumPy 的一維數(shù)組進行表示和處理。

2、一維數(shù)組與日銷量數(shù)據(jù)的對應關系

本實例中，一周共有 7 天，因此可以把銷量數(shù)據(jù)表示為長度為 7 的一維數(shù)組。例如：

sales = np.array([12, 15, 8, 20, 22, 18, 10])

這里數(shù)組中的 7 個元素依次表示周一到周日的銷量。

這種“數(shù)據(jù)按順序存放，位置對應具體日期”的方式，是一維數(shù)組最常見的應用形式之一。

3、平均值、最大值、最小值的含義

在銷量分析中，平均值、最大值和最小值是最基礎的統(tǒng)計量。

（1）平均值

平均日銷量反映的是一周內(nèi)每天銷量的大致水平。計算公式為：

其中：

? x_1, x_2, ..., x_n 表示每天的銷量

? n 表示總天數(shù)

? x? 表示平均銷量

在 NumPy 中，可以使用 np.mean() 直接計算。

（2）最大值與最小值

最大值表示最高銷量對應的銷量值；最小值表示最低銷量對應的銷量值。

但在實際分析中，我們通常不僅關心“最大值是多少”，還關心“它出現(xiàn)在哪一天”。因此，本實例更適合使用：

? np.argmax()：返回最大值所在位置的下標

? np.argmin()：返回最小值所在位置的下標

這樣就能進一步配合日期列表，確定具體是“周幾”。

4、銷量占比的含義

在經(jīng)營分析中，除了看絕對銷量，還常常要看某一部分銷量占總體的比例。

本實例中的“周末銷量占比”，就是要考察周六和周日的銷量在全周總銷量中所占的比例。

其計算公式為：

其中：

? 周末銷量 = 周六銷量 + 周日銷量

? 全周總銷量 = 一周 7 天銷量之和

這一指標可以幫助我們判斷：奶茶店的銷量是否在周末更集中，或者工作日與周末的銷售分布是否均衡。

二、任務分析

1、原始數(shù)據(jù)與分析目標

實例給出某校園奶茶店一周的銷量數(shù)據(jù)如下：

sales = np.array([12, 15, 8, 20, 22, 18, 10])

這組數(shù)據(jù)依次對應周一到周日的銷量。

與此同時，還需要配合一組日期標簽來標識每天的名稱，比如：

days = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]

根據(jù)實例要求，需要完成三項任務：

（1）計算平均日銷量；

（2）找出銷量最高和銷量最低的日子；

（3）統(tǒng)計周末（周六、周日）銷量占比。

2、數(shù)據(jù)組織方式

本實例只有一組按時間順序排列的數(shù)據(jù)：

sales：保存一周 7 天的銷量數(shù)據(jù)，使用一維數(shù)組；

days：保存周一到周日的文字標簽，使用列表。

sales[i] 與 days[i] 一一對應，表示第 i 天的銷量及其日期標簽。

這種“數(shù)組存數(shù)值，列表存標簽”的方式，在初學數(shù)據(jù)分析時非常常見，也便于把計算結果解釋為自然語言。

3、本實例涉及的 NumPy 知識點

本實例用到的 NumPy 知識點較基礎，主要包括以下幾類。

（1）數(shù)組創(chuàng)建

使用 np.array() 將一周銷量數(shù)據(jù)創(chuàng)建為一維數(shù)組，便于進行統(tǒng)一的數(shù)值運算。

（2）均值計算

使用 np.mean(sales) 計算一周的平均日銷量。

（3）最值位置查找

使用：

np.argmax(sales) 查找最大銷量所在位置；

np.argmin(sales) 查找最小銷量所在位置。

得到位置后，再結合 days 和 sales，就可以輸出對應的日期和銷量值。

（4）數(shù)組切片

實例要求統(tǒng)計周末銷量占比，因此需要取出周六和周日的數(shù)據(jù)。

由于周六、周日正好位于數(shù)組最后兩個位置，所以可以使用：

sales[-2:]

來切片獲取周末銷量數(shù)據(jù)。

（5）求和計算

使用 np.sum() 分別計算：周末總銷量和全周總銷量。

再利用兩者之比得到周末銷量占比。

4、處理流程設計

本實例可以按以下順序完成：

（1）創(chuàng)建銷量數(shù)組與日期標簽；

（2）計算平均日銷量；

（3）找出銷量最高和最低的日子；

（4）截取周末銷量數(shù)據(jù)；

（5）計算周末銷量占比。

這一流程雖然簡單，但已經(jīng)體現(xiàn)出 NumPy 在基礎數(shù)據(jù)分析中的典型用法：

創(chuàng)建數(shù)組 → 統(tǒng)計計算 → 定位最值 → 切片提取 → 求和分析

三、示例代碼

四、結果解讀

1、整體銷量水平

計算結果表明，該奶茶店的平均日銷量為 15.0 杯。

這說明本周整體銷量處于一個較為正常的水平，可作為后續(xù)比較經(jīng)營變化的基礎參照。

2、銷量高低變化

結果顯示，周五銷量最高，為 22 杯；周三銷量最低，為 8 杯。

這說明一周內(nèi)銷量存在一定波動，周五銷售更活躍，周三相對較弱。經(jīng)營者可據(jù)此調(diào)整備貨或促銷安排。

3、周末銷量結構

周末銷量占比為 26.7%，說明周六、周日兩天貢獻了全周約四分之一的銷量。由此可見，該店銷量并不只集中在周末，工作日同樣是重要的銷量來源。

小結

校園奶茶店銷量分析是一個典型的一維數(shù)組應用實例。通過 NumPy 的均值計算、最值定位、切片和求和操作，可以快速完成基礎銷量分析。本實例說明，NumPy 不僅適合科學計算，也適合處理簡單而清晰的經(jīng)營數(shù)據(jù)。

“點贊有美意，贊賞是鼓勵”