उन्नत डेटा विज्ञान वर्कफ़्लो के लिए हार्नेस एक्सेल और पायथन

आवश्यक उपकरण और सेटअप

• माइक्रोसॉफ्ट एक्सेल :प्रारंभिक डेटा समीक्षा और रिपोर्टिंग के लिए।
• पायथन 3.x :आपके डेटा विज्ञान वर्कफ़्लो के लिए इंजन।
• पायथन लाइब्रेरीज़ :
  • पांडा डेटा विश्लेषण के लिए.
  • matplotlib साजिश रचने के लिए.
  • openpyxl (वैकल्पिक, एक्सेल फ़ाइलें लिखने के लिए)।
  • अस्थिर (संख्यात्मक).
  • matplotlib/सीबॉर्न विज़ुअलाइज़ेशन के लिए.

pip install pandas matplotlib openpyxl

1. पायथन में डेटा पढ़ें

import pandas as pd
# Read data from Excel file
df = pd.read_excel('SalesData.xlsx')
# Preview data
print(df.head()) # Show the first 5 rows of the data
print(df.info()) # Show info about columns, datatypes, and missing values

• pd.read_csv() Excel फ़ाइल को पांडा डेटाफ़्रेम में पढ़ता है।
• df.head() पहली पांच पंक्तियों को प्रदर्शित करता है, यह त्वरित जांच के लिए बहुत अच्छा है।
• df.info() पंक्तियों, स्तंभों और डेटाप्रकारों की संख्या दिखाता है।

 TransactionID Date CustomerID ProductID ProductName Category Quantity UnitPrice Region Channel SalesRep
0 100001 2024-01-02 C-100 P-101 Laptop Electronics 2.0 800.0 East Online Smith
1 100002 2024-01-02 C-101 P-102 Printer Electronics 1.0 200.0 West Retail Johnson
2 100003 2024-01-03 C-102 P-103 Mouse Electronics 5.0 25.0 North Online Lee
3 100004 2024-01-04 C-103 P-104 Desk Furniture 1.0 150.0 South Retail Brown
4 100005 2024-01-05 C-104 P-105 Monitor Electronics 3.0 175.0 NaN Online Davis
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 63 entries, 0 to 62
Data columns (total 11 columns):
 # Column Non-Null Count Dtype
--- ------ -------------- -----
 0 TransactionID 63 non-null int64
 1 Date 62 non-null datetime64[ns]
 2 CustomerID 62 non-null object 
 3 ProductID 61 non-null object 
 4 ProductName 63 non-null object 
 5 Category 61 non-null object 
 6 Quantity 61 non-null float64 
 7 UnitPrice 62 non-null float64
 8 Region 62 non-null object
 9 Channel 62 non-null object
 10 SalesRep 62 non-null object
dtypes: datetime64[ns](1), float64(2), int64(1), object(7)
memory usage: 5.5+ KB
None

2. डेटा सफ़ाई और परिवर्तन

# Remove Duplicates
df = df.drop_duplicates()

• डुप्लिकेट मान हटाता है।

# Print count of missing values per column
print(df.isnull().sum())

• यह दर्शाता है कि प्रत्येक कॉलम में कितने लुप्त (NaN) मान हैं। यदि कोई पाया जाता है, तो आप उन्हें छोड़ने या भरने का निर्णय ले सकते हैं।

#Output:
TransactionID 0
Date 1
CustomerID 1
ProductID 2
ProductName 0
Category 2
Quantity 2
UnitPrice 1
Region 1
Channel 1
SalesRep 1
dtype: int64

# Convert 'Date' column to pandas datetime type for easier filtering/grouping
df['Date'] = pd.to_datetime(df['Date'])

• यह आसान फ़िल्टरिंग और ग्रुपिंग के लिए दिनांक कॉलम को टेक्स्ट से पांडा डेटाटाइम प्रारूप में परिवर्तित करता है।

# Add a new column: total value for each transaction
df['TotalSales'] = df['Quantity'] * df['UnitPrice']

• प्रत्येक लेनदेन के लिए कुल मूल्य दिखाने वाला एक नया कॉलम जोड़ता है।

df['Month'] = df['Date'].dt.to_period('M')

• यह समूह बनाने और महीने के अनुसार बिक्री का विश्लेषण करने के लिए एक महीना कॉलम बनाता है।
• अब साफ़ किए गए डेटा का पूर्वावलोकन करने के लिए print(df.head()) का उपयोग करें।

#Ouput:
TransactionID Date CustomerID ProductID ProductName Category ... UnitPrice Region Channel SalesRep TotalSales Month
0 100001 2024-01-02 C-100 P-101 Laptop Electronics ... 800.0 East Online Smith 1600.0 2024-01
1 100002 2024-01-02 C-101 P-102 Printer Electronics ... 200.0 West Retail Johnson 200.0 2024-01
2 100003 2024-01-03 C-102 P-103 Mouse Electronics ... 25.0 North Online Lee 125.0 2024-01
3 100004 2024-01-04 C-103 P-104 Desk Furniture ... 150.0 South Retail Brown 150.0 2024-01
4 100005 2024-01-05 C-104 P-105 Monitor Electronics ... 175.0 NaN Online Davis 525.0 2024-01

3. अपने डेटा का विश्लेषण करें

# Group by month and sum the total sales for each month
monthly_sales = df.groupby('Month')['TotalSales'].sum()
print(monthly_sales)

• डेटा को महीने के आधार पर समूहित करता है और प्रत्येक महीने के लिए कुल बिक्री का योग करता है।

#Output:
Month
2024-01 9075.0
2024-02 9800.0
2024-03 9075.0
Freq: M, Name: TotalSales, dtype: float64

# Group by product, sum total sales, and sort from highest to lowest
product_sales = df.groupby('ProductName')['TotalSales'].sum().sort_values(ascending=False)
print(product_sales)

• प्रति उत्पाद बिक्री का योग, फिर उन्हें सबसे अधिक से कम लोकप्रिय तक क्रमबद्ध करें।

#Output:
ProductName
Laptop 15200.0
Monitor 3850.0
Printer 3200.0
Desk 2550.0
Chair 2325.0
Mouse 1125.0
Name: TotalSales, dtype: float64

# Group by region and sum total sales per region
region_sales = df.groupby('Region')['TotalSales'].sum()
print(region_sales)

• प्रत्येक क्षेत्र द्वारा कुल बिक्री को एकत्रित करता है।

#Output:
Region
East 6075.0
North 5925.0
South 8225.0
West 7500.0

4. प्रमुख अंतर्दृष्टियों को विज़ुअलाइज़ करें

4.1. मासिक बिक्री रुझान

import matplotlib.pyplot as plt # Import for plotting
# Create a bar chart of sales by month
monthly_sales.plot(
 kind='bar', 
 title='Total Sales by Month', 
 ylabel='Sales ($)', 
 xlabel='Month'
)
plt.tight_layout() # Avoid label overlap
plt.savefig('monthly_sales.png') # Save the figure as a PNG file
plt.show() # Display the chart

• मासिक बिक्री को बार चार्ट के रूप में प्लॉट करें।
• plt.savefig रिपोर्ट के लिए चार्ट सहेजता है
• एक बार चार्ट हर महीने बिक्री में बदलाव दिखाएगा।

4.2. क्षेत्र के अनुसार बिक्री

# Pie chart of sales by region
region_sales.plot(
 kind='pie', 
 autopct='%1.1f%%', 
 title='Sales Distribution by Region'
)
plt.ylabel('') # Remove default y-label
plt.tight_layout()
plt.savefig('region_sales.png')
plt.show()

• क्षेत्र के अनुसार बिक्री का पाई चार्ट, प्रबंधन या विपणन के लिए बढ़िया।

5. उन्नत विश्लेषण एवं मॉडलिंग

5.1. वर्णनात्मक सांख्यिकी

# Show summary statistics for numeric columns (mean, std, min, max, quartiles, etc.)
print(df.describe())

• df.describe() सभी संख्यात्मक स्तंभों (जैसे मात्रा, इकाई मूल्य, कुल बिक्री) को शीघ्रता से सारांशित करता है।

#Output:
 TransactionID Quantity UnitPrice TotalSales
count 61.000000 59.000000 60.000000 59.000000
mean 100030.180328 2.542373 262.083333 478.813559
std 17.497150 1.534905 277.339497 527.085627
min 100001.000000 1.000000 25.000000 75.000000
25% 100015.000000 1.000000 75.000000 162.500000
50% 100030.000000 2.000000 175.000000 300.000000
75% 100045.000000 3.000000 200.000000 525.000000
max 100060.000000 7.000000 800.000000 2400.000000

5.2. पांडा में पिवोट टेबल

# Create a pivot table: sum TotalSales for each Region
pivot = df.pivot_table(index='Region', values='TotalSales', aggfunc='sum')
print(pivot)

• pivot_table() एक्सेल की पिवट टेबल के समान, प्रत्येक क्षेत्र के लिए कुल बिक्री का सारांश देता है।

#Output
 TotalSales
Region
East 6075.0
North 5925.0
South 8225.0
West 7500.0

5.3. सरल मशीन लर्निंग उदाहरण

from sklearn.linear_model import LinearRegression # Import linear regression from scikit-learn
# Prepare features and target variable
X = df[['Quantity']] # Feature: Quantity sold
y = df['TotalSales'] # Target: Total sales value
# Create and fit the regression model
model = LinearRegression()
model.fit(X, y)
# Print the regression coefficient (slope)
print('Coefficient:', model.coef_)
# Print the intercept (base value when Quantity=0)
print('Intercept:', model.intercept_)

• स्किकिट-लर्न से लीनियर रिग्रेशन आयात करता है।
• कुल बिक्री का अनुमान लगाने के लिए मात्रा का उपयोग करता है।
• मॉडल में फिट बैठता है और गुणांक प्रिंट करता है (प्रति अतिरिक्त यूनिट बेची गई बिक्री में कितनी वृद्धि हुई)।

#Output:
Coefficient: [-37.65294772]
Intercept: 596.8483500185391

6. साफ़/विश्लेषित डेटा को एक्सेल में वापस निर्यात करें

# Export summary and advanced analysis tables to a multi-sheet Excel file
with pd.ExcelWriter('sales_summary.xlsx') as writer:
 # Monthly summary
 monthly_sales.to_frame().to_excel(writer, sheet_name='Monthly Sales')
 # Product summary
 product_sales.to_frame().to_excel(writer, sheet_name='Product Sales')
 # Region summary
 region_sales.to_frame().to_excel(writer, sheet_name='Region Sales')
 # Pivot table (total sales by region)
 pivot.to_excel(writer, sheet_name='Pivot Table')
 # Optionally, you can export descriptive statistics
 df.describe().to_excel(writer, sheet_name='Descriptive Stats')

• संदर्भ प्रबंधक (... लेखक के रूप में): यह सुनिश्चित करता है कि एक्सेल फ़ाइल ठीक से सहेजी गई है और लिखने के बाद बंद कर दी गई है।
• .to_excel() प्रत्येक तालिका के लिए: आसान पहुंच के लिए प्रत्येक डेटाफ़्रेम या सारांश को उसकी अपनी शीट में सहेजता है।
• कस्टम शीट नाम: प्रत्येक शीट को स्पष्टता के लिए नाम दिया गया है, जो आपके विश्लेषण चरणों से मेल खाता है।

• sales_summary.xlsx खोलें एक्सेल में.
• आपको मासिक बिक्री, उत्पाद बिक्री, क्षेत्र बिक्री, आपकी पिवट तालिका और वर्णनात्मक सांख्यिकी के लिए अलग-अलग शीट दिखाई देंगी।

7. अपने वर्कफ़्लो को स्वचालित और स्केल करें

• सभी विश्लेषण कोड को एक Python फ़ाइल में रखें।
• अपनी रिपोर्ट अपडेट करने के लिए, CSV बदलें और चलाएँ:

python Excel_to_Python.py

• और अधिक शक्ति के लिए, आप इसे साप्ताहिक/मासिक कार्य के रूप में शेड्यूल कर सकते हैं।

निष्कर्ष