Мини-проект: отчёт одной цепочкой

Владелец «Кофейной лавки» хочет получать один и тот же отчёт каждый месяц — по свежей выгрузке. Значит, анализ должен быть записан так, чтобы его можно было запустить снова, ничего не меняя, и чтобы через полгода было понятно, что делает каждая строка. Соберём такой отчёт из цепочек. Новых методов в проекте нет.

import pandas as pd

raw = pd.read_csv("data/shop_orders.csv", parse_dates=["date"])
raw.head(3)

Шаг 1. Подготовка — одной функцией

Выручка строки и номер месяца нужны почти в каждом расчёте. Оформим их добавление функцией: тогда любая цепочка начнётся одинаково — .pipe(prepare).

def prepare(table):
    return ...


orders = ...

def prepare(table):
    return table.assign(
        revenue=lambda d: d["price"] * d["quantity"],
        month=lambda d: d["date"].dt.month,
    )


orders = raw.pipe(prepare)

Шаг 2. Выручка по месяцам

monthly = (
    raw
    # допишите шаги цепочки
)
best_month = ...

monthly = (
    raw
    .pipe(prepare)
    .groupby("month")["revenue"]
    .sum()
)
best_month = monthly.idxmax()

Шаг 3. Каналы и доля сайта

В цепочке можно не только сворачивать данные, но и добавлять столбцы к уже свёрнутой таблице — assign с lambda получит сводную таблицу «на этом шаге».

channels = (
    raw
    # допишите шаги цепочки
)

channels = (
    raw
    .pipe(prepare)
    .pivot_table(values="revenue", index="month", columns="channel", aggfunc="sum")
    .assign(total=lambda d: d["сайт"] + d["приложение"] + d["маркетплейс"])
    .assign(site_share=lambda d: (d["сайт"] / d["total"]).round(3))
)

channels.head(4)

Здесь два assign подряд — так нагляднее, что site_share считается из уже готового total. Можно и одним: столбцы в assign создаются по порядку, и lambda следующего видит предыдущие.

Шаг 4. Свой шаг с параметрами

«Лучшие товары категории» пригодятся для любой категории и любого числа товаров — значит, это функция с параметрами. Внутри неё — тоже цепочка.

def top_products(table, category, n):
    return (
        table
        # допишите шаги: отбор категории, сумма revenue по товарам, n лучших, индекс с нуля
    )


top_tea = ...

def top_products(table, category, n):
    return (
        table
        .query("category == @category")
        .groupby("product", as_index=False)["revenue"]
        .sum()
        .nlargest(n, "revenue")
        .reset_index(drop=True)
    )


top_tea = raw.pipe(prepare).pipe(top_products, "Чай", 2)

Шаг 5. График

Метод plot — такой же шаг, как остальные; им цепочка может заканчиваться.

ax = (
    raw
    # допишите шаги цепочки; последний — .plot(...)
)
# подпишите оси

ax = (
    raw
    .pipe(prepare)
    .pivot_table(values="revenue", index="month", columns="channel", aggfunc="sum")
    .plot(title="Выручка по каналам, 2025")
)
ax.set_xlabel("месяц")
ax.set_ylabel("₽")

Доля сайта — уже посчитанный столбец; для двенадцати значений подойдут столбцы:

channels["site_share"].plot(kind="bar", title="Доля сайта в выручке по месяцам", rot=0)

Выводсохранённый · нажмите «Выполнить», чтобы получить свой

Вывод появится, когда решите упражнение «Сводная с вычисляемыми столбцами», — иначе он подскажет ответ. Ячейку можно и выполнить.Показать всё равноВесь вывод урока

Весь путь целиком

Вот как выглядит отчёт «от файла до графика» одной цепочкой. Здесь собрано многое из курса: чтение с датами, свой шаг, фильтр, индекс из дат, пересчёт в недели, окно и график.

(
    pd.read_csv("data/shop_orders.csv", parse_dates=["date"])
    .pipe(prepare)
    .query("category == 'Кофе'")
    .set_index("date")["revenue"]
    .resample("W")
    .sum()
    .iloc[1:-1]
    .rolling(4)
    .mean()
    .plot(title="Кофе: выручка за неделю, среднее за 4 недели")
)

Выводсохранённый · нажмите «Выполнить», чтобы получить свой

Прочитайте её сверху вниз: загрузить → подготовить → оставить кофе → даты в индекс → сложить по неделям → убрать неполные недели → сгладить окном в четыре недели → нарисовать. Каждая строка — один шаг, и каждый можно закомментировать, чтобы посмотреть на промежуточный результат.

Выводы

И главное — про сам код. Функцию prepare мы написали один раз и использовали на каждом шаге. Если владелец попросит считать выручку со скидкой, правка понадобится в одном месте. Это и есть «хороший код» для аналитика: не самый короткий и не самый хитрый, а такой, который легко прочитать, проверить и запустить снова.