销售额忽高忽低看不懂？pandas+plotly拆出全年趋势找旺季，数据分析实战第3期

第2期我们用RFM模型把500个用户分成四群，知道该给谁发优惠券了。今天换个老板更关心的问题：今年哪个月最赚钱？明年的备货节奏怎么排？

答案藏在销售趋势里。原始的日销数据像心电图一样抖，直接看啥也看不出来。得先聚合，再算环比，把趋势从噪声里捞出来。

先声明：下面用的是我按真实零售特征合成的演示数据（冬季旺季、双十一大促、周末效应都埋进去了），代码换成你们家的真实CSV照样跑。

环境：pandas 2.1.4，plotly。先说一个实测坑：老版本pandas里resample(“ME”)会报错，得写成"M"，我在这儿卡了十分钟。

代码，核心就三行：

importpandasaspd df=pd.read_csv("sales_2026.csv",parse_dates=["date"])monthly=df.set_index("date").resample("M").sum()monthly["环比"]=monthly["sales"].pct_change()*100print(monthly)

resample按月求和，pct_change算环比。跑出来的月度表（单位：元），1月43659，2月41110，3月32138，一路波动。11月56269，环比+72.3%，12月32473，环比-42.3%。全年总额42.7万。

数字一摆，故事就清楚了。11月是绝对旺季，一个月干了5.6万，占全年13%。1-2月是冬季小旺季，都在4万以上。3月之后一路阴跌到3万出头，典型的节后疲软。12月大促一结束直接腰斩，环比-42.3%，备货要是按11月的量进，12月全砸手里。

再拆一层：周末日均1283，工作日日均1124，周末高14%。门店排班、客服人力跟着这个节奏走，周末加人、工作日减人，人效直接提一档。

光看表格不够直观，plotly画条折线，波峰波谷一眼定位：

importplotly.expressaspx fig=px.line(monthly.reset_index(),x="date",y="sales",title="2026年月度销售额趋势")fig.add_hline(y=monthly["sales"].mean(),line_dash="dash",annotation_text="月均线")fig.show()

加一条月均线当参照，哪个月在均线上方、哪个在下方，一目了然。老板要的从来不是表格，是"11月备货翻倍、12月砍半"这种能直接拍板的结论。

四个坑，提前说。

第一，环比第一个月是NaN。1月没有上个月，pct_change算出来是空，别当成0填进去，会把均值拉偏。

第二，同比和环比别混用。老板问"比去年11月怎么样"，那是同比，得有两年的数据。一年的数据只能做环比和趋势，别硬编同比。

第三，单日正负8%的抖动是噪声，不是趋势。看到某天跌了10%就喊出事了，大概率是虚惊。看7天滑动平均，线平滑了再下结论。

第四，旺季结论要分品类验。11月大促可能是某一个爆品撑起来的，全店备货翻倍就翻车了。按品类再跑一遍同样的代码，哪个品类是真旺季才看得准。

收藏这篇吧。这套"聚合-环比-画线"三板斧，换个CSV就能跑你们家的数据，下次老板问趋势，十分钟交差。

下期预告：第4期讲缺失值和异常值清洗，真实数据拿到手第一步该干的脏活。这个系列在专栏《数据分析实战》里连载，从洗数据到用户分层再到趋势拆解，关注后进专栏能连着看完整链路。

讨论时间：你们行业的销售旺季是几月？跟这个"双十一+春节"的节奏一样吗？一句话说说。

Cyrus