Python数据分析：价格分布与总额计算实战指南

在电商运营、金融分析或供应链管理等场景中，价格数据的分布特征与总额计算是决策支持的核心环节。Python凭借其强大的数据处理库（如Pandas、NumPy）和可视化工具（如Matplotlib、Seaborn），能够高效完成从数据清洗到结果呈现的全流程分析。本文将通过具体案例，系统讲解如何使用Python实现价格分布分析与总额计算。

一、价格分布分析的核心价值

价格分布分析旨在揭示数据集中价格的集中趋势、离散程度及异常值特征，为定价策略、库存管理或市场定位提供依据。例如：

• 电商场景：通过分析商品价格分布，识别主力价格带（如100-200元区间占比60%），优化促销活动设计。
• 金融场景：评估资产价格波动范围，计算风险价值（VaR）。
• 供应链场景：检测供应商报价异常值，防范成本风险。

典型的分布特征包括：

• 集中趋势：均值、中位数、众数。
• 离散程度：标准差、四分位距。
• 分布形态：正态分布、偏态分布、多峰分布。

二、数据准备与预处理

1. 数据加载与初步检查

使用Pandas读取CSV或Excel文件，并检查数据质量：

import pandas as pd
# 加载数据
df = pd.read_csv('prices.csv')  # 假设列包含'product_id', 'price'
# 检查缺失值与异常值
print(df.isnull().sum())  # 缺失值统计
print(df['price'].describe())  # 基础统计量

2. 数据清洗

处理缺失值与异常值：

# 删除缺失值
df_clean = df.dropna(subset=['price'])
# 剔除异常值（如价格<0或>10000）
df_clean = df_clean[(df_clean['price'] >= 0) & (df_clean['price'] <= 10000)]

3. 数据分组与标签化

按价格区间分组以分析分布：

# 定义价格区间
bins = [0, 50, 100, 200, 500, 1000]
labels = ['0-50', '50-100', '100-200', '200-500', '500-1000']
# 添加分组列
df_clean['price_range'] = pd.cut(df_clean['price'], bins=bins, labels=labels)

三、价格分布可视化分析

1. 直方图：观察分布形态

import matplotlib.pyplot as plt
import seaborn as sns
plt.figure(figsize=(10, 6))
sns.histplot(df_clean['price'], bins=30, kde=True)
plt.title('Price Distribution')
plt.xlabel('Price')
plt.ylabel('Frequency')
plt.show()

• 解读：若呈现双峰分布，可能反映市场存在高低端两个细分市场。

2. 箱线图：检测离群值

plt.figure(figsize=(8, 6))
sns.boxplot(x=df_clean['price'])
plt.title('Boxplot of Prices')
plt.show()

• 解读：箱线图可直观显示中位数、四分位距及离群点（通常定义为Q1-1.5IQR或Q3+1.5IQR之外的值）。

3. 分组占比分析

# 计算各价格区间占比
range_counts = df_clean['price_range'].value_counts(normalize=True) * 100
# 可视化
plt.figure(figsize=(10, 6))
range_counts.plot(kind='bar')
plt.title('Price Range Distribution (%)')
plt.xlabel('Price Range')
plt.ylabel('Percentage')
plt.xticks(rotation=45)
plt.show()

• 输出示例：

  100-200    45.2%
  50-100     30.1%
  200-500    15.7%
  0-50        6.3%
  500-1000    2.7%

四、价格总额计算方法

1. 基础总额计算

# 计算所有价格总和
total_price = df_clean['price'].sum()
print(f'Total Price: {total_price:.2f}')
# 按分组计算总额
grouped_total = df_clean.groupby('price_range')['price'].sum()
print(grouped_total)

2. 加权平均价格计算

# 假设有销售量列'quantity'
weighted_avg = (df_clean['price'] * df_clean['quantity']).sum() / df_clean['quantity'].sum()
print(f'Weighted Average Price: {weighted_avg:.2f}')

3. 动态总额计算（按条件筛选）

# 计算价格>100的商品总额
high_price_total = df_clean[df_clean['price'] > 100]['price'].sum()
print(f'Total for Prices > 100: {high_price_total:.2f}')

五、进阶分析：分布拟合与预测

1. 正态分布检验

from scipy.stats import norm, shapiro
# 提取价格对数（若数据右偏）
log_prices = np.log(df_clean['price'] + 1)  # 加1避免0值
# 正态性检验
stat, p = shapiro(log_prices)
print(f'Shapiro-Wilk Test: p-value={p:.4f}')
# 若p>0.05，可认为近似正态分布
if p > 0.05:
    mu, sigma = norm.fit(log_prices)
    print(f'Fitted Distribution: mu={mu:.2f}, sigma={sigma:.2f}')

2. 价格区间预测

基于历史分布预测未来价格范围：

# 计算95%置信区间
lower = df_clean['price'].quantile(0.025)
upper = df_clean['price'].quantile(0.975)
print(f'95% Price Range: [{lower:.2f}, {upper:.2f}]')

六、实用建议与最佳实践

1. 数据质量优先：分析前务必检查缺失值与异常值，避免“垃圾进，垃圾出”。
2. 选择合适可视化：
   • 直方图：观察整体分布形态。
   • 箱线图：检测离群值。
   • 核密度图（KDE）：平滑显示分布曲线。
3. 动态计算：通过条件筛选（如df[df['category'] == 'A']）实现多维度分析。
4. 自动化报告：使用Jupyter Notebook的to_html()或pandas.ExcelWriter生成分析报告。

七、完整案例代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.stats import shapiro
# 1. 数据加载与清洗
df = pd.read_csv('prices.csv')
df_clean = df.dropna(subset=['price'])
df_clean = df_clean[(df_clean['price'] >= 0) & (df_clean['price'] <= 10000)]
# 2. 分布分析
bins = [0, 50, 100, 200, 500, 1000]
labels = ['0-50', '50-100', '100-200', '200-500', '500-1000']
df_clean['price_range'] = pd.cut(df_clean['price'], bins=bins, labels=labels)
# 可视化
plt.figure(figsize=(15, 5))
plt.subplot(1, 2, 1)
sns.histplot(df_clean['price'], bins=30, kde=True)
plt.title('Price Distribution')
plt.subplot(1, 2, 2)
df_clean['price_range'].value_counts(normalize=True).plot(kind='bar')
plt.title('Price Range Distribution (%)')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
# 3. 总额计算
print(f'Total Price: {df_clean["price"].sum():.2f}')
print(f'Weighted Avg Price: {(df_clean["price"] * df_clean["quantity"]).sum() / df_clean["quantity"].sum():.2f}')
# 4. 正态性检验
log_prices = np.log(df_clean['price'] + 1)
stat, p = shapiro(log_prices)
print(f'Normality Test p-value: {p:.4f}')

八、总结

通过Python实现价格分布分析与总额计算，可高效完成以下任务：

1. 识别价格集中区间：优化产品定价或促销策略。
2. 检测异常值：防范数据录入错误或欺诈行为。
3. 动态计算总额：支持实时财务报告或库存估值。
4. 预测价格范围：为采购谈判或销售预测提供依据。

建议结合具体业务场景，灵活调整分析维度（如按时间、地区或产品类别分组），以挖掘更深层次的商业洞察。