电商运营 Python + Pandas 速成：15 段代码搞定日常数据处理

下面 15 段代码可以直接复制。假设你有一份订单 CSV，列包含 order_id, user_id, sku_id, paid_amount, order_time, channel。

1. 读 CSV

import pandas as pd

df = pd.read_csv("orders.csv", encoding="utf-8")
print(df.shape, df.columns.tolist())

2. 预览

df.head(5)
df.info()
df.describe()

3. 时间字段处理

df["order_time"] = pd.to_datetime(df["order_time"])
df["date"] = df["order_time"].dt.date
df["month"] = df["order_time"].dt.to_period("M")

4. 缺失值与去重

df = df.dropna(subset=["order_id"])
df = df.drop_duplicates(subset=["order_id"])

5. 条件筛选

mask = (df["paid_amount"] > 100) & (df["channel"] == "douyin")
df_filter = df[mask]

6. 日 GMV

daily = df.groupby("date")["paid_amount"].sum().reset_index()

7. 渠道 GMV

by_channel = df.groupby("channel")["paid_amount"].agg(["sum","count","mean"])

8. 用户消费统计

user = df.groupby("user_id").agg(
    total=("paid_amount", "sum"),
    orders=("order_id", "count"),
    last=("order_time", "max"),
)

9. 新老客

first = df.groupby("user_id")["order_time"].min()
df = df.merge(first.rename("first_time"), on="user_id")
df["is_new"] = (df["order_time"] == df["first_time"]).astype(int)

10. 透视表

pivot = pd.pivot_table(
    df, index="channel", columns="month",
    values="paid_amount", aggfunc="sum", fill_value=0,
)

11. 合并表（JOIN）

products = pd.read_csv("products.csv")
df_merge = df.merge(products, on="sku_id", how="left")

12. 分箱（价格带）

bins = [0, 50, 100, 300, 1000, 99999]
labels = ["<50", "50-100", "100-300", "300-1000", "1000+"]
df["price_band"] = pd.cut(df["paid_amount"], bins=bins, labels=labels)

13. 复购率

repurchase_users = df.groupby("user_id")["order_id"].nunique()
rate = (repurchase_users >= 2).sum() / len(repurchase_users)

14. 排序与 Top N

top_sku = df.groupby("sku_id")["paid_amount"].sum().nlargest(20).reset_index()

15. 导出 Excel

with pd.ExcelWriter("report.xlsx") as w:
    daily.to_excel(w, sheet_name="daily", index=False)
    by_channel.to_excel(w, sheet_name="channel")
    top_sku.to_excel(w, sheet_name="top_sku", index=False)

第十六节：学习路径建议

1. 第 1 周：环境搭建 + 读取与预览；
2. 第 2 周：筛选、聚合、合并；
3. 第 3 周：透视与可视化；
4. 第 4 周：自动化脚本与定时任务。

第十七节：常见误区

• 只学不练；
• 全靠 AI 复制，不理解代码含义；
• 数据清洗跳过，结果不靠谱；
• 一上来做大项目，半途而废。

Python 对运营的真正价值，不是替代 Excel，而是让你能处理 Excel 处理不了的场景。坚持 1 个月，你会发现自己对数据的掌控力上了一个台阶。