题目 1：便利店销售数据统计分析
“便利店销售数据.csv” 包含字段：“订单编号”“销售日期”“商品类别 (零食 / 饮料 / 日用品 / 速食)”“销售数量”“单品单价 (元)”“折扣率 (%)”“支付方式 (微信 / 支付宝 / 现金)”。
请使用 pandas 和 matplotlib 完成以下任务：
- 读取 CSV 文件数据，计算订单实际金额（销售数量 × 单品单价 × (1 - 折扣率 / 100)），添加为新列。
- 按 “销售日期” 提取小时信息（0-23 时），统计每小时的订单量和平均订单金额。
- 计算销售数量的标准差、均值和 80 分位数。
- 按商品类别分组，统计每组的总销售额和平均折扣率，绘制柱状图。
- 保存折扣率＞10% 且商品类别为饮料的订单数据为 “饮料折扣订单.csv”（不含索引）。
分解代码：
请使用 pandas、numpy 和 matplotlib 完成以下任务：
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
1. 读取 CSV 文件数据，计算订单实际金额（销售数量 × 单品单价 × (1 - 折扣率 / 100)），添加为新列。
运行结果：
2. 按 “销售日期” 提取小时信息（0-23 时），统计每小时的订单量和平均订单金额。
运行结果：
3. 计算销售数量的标准差、均值和 80 分位数。
运行结果：
4. 按商品类别分组，统计每组的总销售额和平均折扣率，绘制柱状图。
运行结果：
5. 保存折扣率＞10% 且商品类别为饮料的订单数据为 “饮料折扣订单.csv”（不含索引）。
运行结果：
完整代码：
题目 2：生鲜电商订单数据分析 “生鲜订单数据.csv” 包含字段：“订单 ID”“下单日期”“品类 (蔬菜 / 水果 / 肉类 / 水产)”“购买重量 (kg)”“单价 (元 /kg)”“配送费 (元)”“是否次日达 (是 / 否)”。
请使用 pandas 和 matplotlib 完成以下任务：
- 读取 CSV 文件数据，计算订单总金额（购买重量 × 单价 + 配送费），添加为新列。
- 按 “下单日期” 提取月份信息，统计各月份的总购买重量和平均配送费。
- 计算购买重量的变异系数（标准差 / 均值）和 95 分位数。
- 按品类分组，统计每组的平均订单金额和次日达订单占比，绘制柱状图。
- 保存购买重量＞5kg 且品类为肉类的订单数据为 “大额肉类订单.csv”（不含索引）。
分解代码：
请使用 pandas、numpy 和 matplotlib 完成以下任务：
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
1. 读取 CSV 文件数据，计算订单总金额（购买重量 × 单价 + 配送费），添加为新列。
运行结果：
2. 按 “下单日期” 提取月份信息，统计各月份的总购买重量和平均配送费。
运行结果：
3. 计算购买重量的变异系数（标准差 / 均值）和 95 分位数。
运行结果：
4. 按品类分组，统计每组的平均订单金额和次日达订单占比，绘制柱状图。
运行结果：
5. 保存购买重量＞5kg 且品类为肉类的订单数据为 “大额肉类订单.csv”（不含索引）。
运行结果：
完整代码：
题目 3：咖啡店经营数据分析 “咖啡店数据.csv” 包含字段：“订单号”“消费日期”“咖啡类型 (美式 / 拿铁 / 卡布奇诺 / 冷萃)”“杯数”“单杯售价 (元)”“附加费用 (元)”“消费时段 (早 / 中 / 晚)”。
请使用 pandas 和 matplotlib 完成以下任务：
- 读取 CSV 文件数据，计算订单总金额（杯数 × 单杯售价 + 附加费用），添加为新列。
- 按 “消费日期” 提取星期信息（周一至周日），统计每周各日的订单量和平均杯数。
- 计算附加费用的四分位数（25%、50%、75%）和总和。
- 按消费时段分组，统计每组的平均订单金额和拿铁咖啡的订单占比，绘制分组柱状图。
- 保存咖啡类型为冷萃且消费时段为晚的订单数据为 “晚间冷萃订单.csv”（不含索引）。
分解代码：
请使用 pandas、numpy 和 matplotlib 完成以下任务：
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
1. 读取 CSV 文件数据，计算订单总金额（杯数 × 单杯售价 + 附加费用），添加为新列。
运行结果：
**2. 按 “消费日期” 提取星期信息（周一至周日），统计每周各日的订单量和平均杯数。 **
运行结果：
4. 计算附加费用的四分位数（25%、50%、75%）和总和。
运行结果：
5. 按消费时段分组，统计每组的平均订单金额和拿铁咖啡的订单占比，绘制分组柱状图。
运行结果：
6. 保存咖啡类型为冷萃且消费时段为晚的订单数据为 “晚间冷萃订单.csv”（不含索引）。
运行结果：
完整代码：
题目 4：宠物用品店销售数据分析 “宠物用品数据.csv” 包含字段：“订单编号”“销售日期”“用品类型 (食品 / 玩具 / 洗护 / 窝具)”“销售数量”“单品价格 (元)”“会员折扣 (%)”“宠物类型 (猫 / 狗 / 其他)”。
请使用 pandas 和 matplotlib 完成以下任务：
- 读取 CSV 文件数据，计算订单金额（销售数量 × 单品价格 × (1 - 会员折扣 / 100)），添加为新列。
- 按 “销售日期” 提取月份信息，统计各月份的总销量和平均订单金额。
- 计算销售数量的标准差、均值和 85 分位数。
- 按宠物类型分组，统计每组的总销售额和用品类型为食品的订单占比，绘制并列柱状图。
- 保存用品类型为玩具且销售数量≥5 的订单数据为 “宠物玩具批量订单.csv”（不含索引）。
分解代码：
请使用 pandas、numpy 和 matplotlib 完成以下任务：
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
1. 读取 CSV 文件数据，计算订单金额（销售数量 × 单品价格 × (1 - 会员折扣 / 100)），添加为新列。
运行结果：
2. 按 “销售日期” 提取月份信息，统计各月份的总销量和平均订单金额。
运行结果：
3. 计算销售数量的标准差、均值和 85 分位数。
运行结果：
4. 按宠物类型分组，统计每组的总销售额和用品类型为食品的订单占比，绘制并列柱状图。
运行结果：
5. 保存用品类型为玩具且销售数量≥5 的订单数据为 “宠物玩具批量订单.csv”（不含索引）。
运行结果：
完整代码：
