Loyiha: Savdo hisoboti

Nimalarni örganasiz
- Haqiqiy maʼlumotlar tahlili qanday keçişini: yaratiş yoki yiğiş, yuklaş, körib çiqiş, tozalaş, tahlil qiliş, vizuallaştiriş, hisobot
- Tartibsiz maʼlumotlarni topiş va tuzatişni: bir xil bölmagan matn, dublikatlar, yöq qiymatlar va notöğri turlar
groupby,aggvapivot_tablebilan biznes savollariga javob berişni- Uç grafikni bitta dashboard rasmiga birlaştiriş va uni PNG sifatida saqlaşni
- F-satrlar bilan qisqa matnli xulosa yoziş va barça natijalarni fayllarga saqlaşni
Nega bu muhim
Dökon egasiga DataFrame kerak emas. Unga javoblar kerak: "Biz ösyapmizmi?", "Qaysi mahsulot eng köp daromad keltiradi?", "Samarqandda ikkinçi dökon oçişga arziydimi?" Maʼlumotlar hisoboti minglab qatorlarni bir neça songa, bitta rasmga va har kim öqiy oladigan bir xatboşiga aylantiradi.
Bu loyihada siz butun işni xom CSV fayldan tayyor hisobotgaça bajarasiz. Işning asosiy qismi grafiklar emas. Bu tozalaş: haqiqiy maʼlumotlarda doim imlo xatolari, böşliqlar va dublikatlar böladi, iflos maʼlumotga qurilgan hisobot esa işonç bilan notöğri xulosa beradi.
Kodni işga tuşiriş
Bu loyihaga pandas va matplotlib kerak: python -m pip install pandas matplotlib. Körsatilgan natijalar pandas 3 dan olingan. pandas 2 da matnli ustunlar str örniga object turini, sanalar datetime64[ns] ni körsatadi va baʼzi jadvallarda oraliqlar biroz farq qilişi mumkin. Sonlar bir xil.
Maqsad va imkoniyatlar
Ipak Yöli Market degan kiçik kompaniya beş şaharda olti xil mahsulot sotadi. Sizga olti oylik buyurtmalar maʼlumoti beriladi va quyidagilarni tayyorlaşingiz kerak:
| Natija | Nimani öz içiga oladi | Vositalar |
|---|---|---|
| Toza maʼlumot | tuzatilgan şahar nomlari, dublikatlarsiz, buzuq qatorlarsiz, töğri turlar | .str, drop_duplicates, fillna, dropna, astype |
| Oylik trend | har oydagi tuşum va % dagi ösiş | .dt.strftime, groupby, pct_change |
| Eng yaxşi mahsulotlar | dona, tuşum, tuşumdagi uluş | agg, sort_values |
| Şaharlarni taqqoslaş | buyurtmalar, tuşum, örtaça buyurtma | nomlangan agregatsiya |
| Yiğma jadval | şahar va oy böyiça tuşum, jami qiymatlar bilan | pivot_table(margins=True) |
| Dashboard | bitta rasmda uç grafik, PNG sifatida saqlangan | plt.subplots, savefig |
| Hisobot fayllari | city_report.csv, city_month_revenue.csv, sales_summary.txt | to_csv, f-satrlar, pathlib |
Loyiha tuzilişi
make_raw_csv()sales_raw.csv(651 ta tartibsiz qator)
load_clean()
read_csv- matnni tuzatiş
- dublikatlarni olib taşlaş
- sanalar
- yöq narxlarni töldiriş
- miqdori yöq qatorlarni olib taşlaş
intturlarirevenuevamonthustunlari
salestoza DataFrame, 625 ta buyurtma
build_tables()
monthlySeries: oy böyiça tuşumproductsDataFrame:units,revenue,share_%citiesDataFrame:orders,revenue,avg_orderpivotDataFrame: şahar va oy böyiça
draw_dashboard()sales_dashboard.png
to_csv()city_report.csv,city_month_revenue.csv
make_summary()sales_summary.txt
2-9-qadamlar bitta skriptni bölakma-bölak quradi: har bir kod parçasi oldingisining davomi va uning özgaruvçilaridan foydalanadi, şuning uçun ular alohida "Işga tuşiriş" tugmalari bilan emas, öqiş uçun körsatilgan. 1-qadam va Töliq dastur bu sahifada işga tuşiriladi; kompyuteringizda esa öqiş davomida qadamlarni birin-ketin faylga (yoki Laboratoriya dagi notebook ga) joylab boring.
1-qadam: Realistik xom maʼlumot yaratiş
Haqiqiy loyihalar maʼlumotlar bazasidan yoki eksport qilingan fayldan boşlanadi. Bu loyiha mustaqil bölişi uçun maʼlumotni standart kutubxona bilan yaratasiz. Skript haqiqiy maʼlumotlarda uçraydigan muammolarni ataylab qöşadi: kiçik harflar va ortiqça böşliqlar bilan yozilgan şahar nomlari, yöq miqdor va narxlar hamda ikki marta eksport qilingan bir neça qator.
import csv
import random
from datetime import date, timedelta
random.seed(42)
CITIES = {"Toşkent": 5, "Samarqand": 3, "Buxoro": 2, "Namangan": 2, "Farğona": 2}
PRODUCTS = {"Kök çoy": 18000, "Somsa": 7000, "Non": 5000,
"Örik qoqi": 45000, "Asal": 60000, "Şarbat": 14000}
rows = []
start = date(2026, 1, 1)
for day_number in range(181): # 1-yanvardan 30-iyungaça
day = start + timedelta(days=day_number)
for _ in range(random.randint(2, 5)): # kuniga 2-5 ta buyurtma
city = random.choices(list(CITIES), weights=list(CITIES.values()))[0]
product = random.choice(list(PRODUCTS))
quantity = random.randint(1, 12) + day_number // 30 # savdo har oy biroz ösadi
price = PRODUCTS[product]
# maʼlumotni realistik tarzda tartibsiz qilamiz
if random.random() < 0.05:
city = " " + city.lower()
if random.random() < 0.03:
quantity = ""
if random.random() < 0.02:
price = ""
rows.append({"order_id": f"A{len(rows) + 1:04d}", "date": day.isoformat(), "city": city, "product": product,
"quantity": quantity, "price": price})
rows.extend(random.sample(rows, 8)) # bir neça takrorlangan qator
with open("sales_raw.csv", "w", newline="", encoding="utf-8") as file:
writer = csv.DictWriter(file, fieldnames=["order_id", "date", "city", "product", "quantity", "price"])
writer.writeheader()
writer.writerows(rows)
print(f"{len(rows)} ta qator yozildi")
with open("sales_raw.csv", encoding="utf-8") as file:
for line in list(file)[:6]:
print(line.rstrip())651 ta qator yozildi
order_id,date,city,product,quantity,price
A0001,2026-01-01,Toşkent,Non,4,5000
A0002,2026-01-01,Farğona,Kök çoy,,18000
A0003,2026-01-02,Samarqand,Şarbat,11,14000
A0004,2026-01-02,Toşkent,Kök çoy,3,18000
A0005,2026-01-03,Toşkent,Örik qoqi,2,45000random.seed(42) maʼlumotni har safar bir xil qiladi, şuning uçun sizning sonlaringiz bu darsdagilar bilan mos tuşadi. random.choices har bir şaharni uning vazniga mutanosib ravişda tanlaydi, şuning uçun Toşkent (5) Buxorodan (2) 2.5 barobar köp uçraydi, day_number // 30 esa miqdorlarni oylar davomida sekin östiradi, şunday qilib aniqlanadigan trend paydo böladi.
Har bir buyurtmaning order_id si bor. Bu keyinroq muhim: ikki mijoz bir kunda, bir şaharda bir xil mahsulotni bemalol sotib olişi mumkin, lekin bir xil buyurtma ID siga ega ikki qator haqiqiy dublikat hisoblanadi.
2-qadam: Yuklaş va körib çiqiş
Özingiz körmagan maʼlumotni heç qaçon tahlil qilmang. Tört tezkor tekşiruv nimalar notöğri bölişi mumkinligining köp qismini körsatadi:
import pandas as pd
raw = pd.read_csv("sales_raw.csv")
print(raw.shape)
print(raw.head())
print()
print(raw.dtypes)
print()
print(raw.isna().sum())
print()
print(raw["city"].value_counts())(651, 6)
order_id date city product quantity price
0 A0001 2026-01-01 Toşkent Non 4.0 5000.0
1 A0002 2026-01-01 Farğona Kök çoy NaN 18000.0
2 A0003 2026-01-02 Samarqand Şarbat 11.0 14000.0
3 A0004 2026-01-02 Toşkent Kök çoy 3.0 18000.0
4 A0005 2026-01-03 Toşkent Örik qoqi 2.0 45000.0
order_id str
date str
city str
product str
quantity float64
price float64
dtype: object
order_id 0
date 0
city 0
product 0
quantity 18
price 9
dtype: int64
city
Toşkent 220
Samarqand 135
Buxoro 98
Namangan 87
Farğona 84
toşkent 7
farğona 6
buxoro 5
samarqand 5
namangan 4
Name: count, dtype: int64Tekşiruv nimalarni aniqladi:
quantityvapricebutun son emas,float64. Birorta yöq qiymati (NaN) bor ustun oddiy butun sonli ustun bölolmaydi, şuning uçun pandas önlik sonlardan foydalanadi.dateturistr: siz sörmaguningizça pandas sanalarni taxmin qilmaydi.- 18 ta miqdor va 9 ta narx yöq.
value_counts()şahar muammosini yaqqol körsatadi:toşkentToşkentdan alohida sanalgan. Hozir guruhlasak, har bir şahar ikkiga bölinib ketadi.
3-qadam: Tozalaş
Har bir muammoni bitta aniq amal bilan, maʼnoli tartibda tuzating:
sales = raw.copy()
sales["city"] = sales["city"].str.strip().str.title()
sales = sales.drop_duplicates()
print("Olib taşlangan dublikatlar:", len(raw) - len(sales))
sales["date"] = pd.to_datetime(sales["date"])
typical_price = sales.groupby("product")["price"].transform("median")
sales["price"] = sales["price"].fillna(typical_price)
missing_quantity = sales["quantity"].isna().sum()
sales = sales.dropna(subset=["quantity"])
print("Miqdori yöq, olib taşlangan qatorlar:", missing_quantity)
sales["quantity"] = sales["quantity"].astype(int)
sales["price"] = sales["price"].astype(int)
sales = sales.reset_index(drop=True)
print(sales.shape)
print(sales.dtypes)
print(sales["city"].unique())Olib taşlangan dublikatlar: 8
Miqdori yöq, olib taşlangan qatorlar: 18
(625, 6)
order_id str
date datetime64[us]
city str
product str
quantity int64
price int64
dtype: object
<StringArray>
['Toşkent', 'Samarqand', 'Buxoro', 'Namangan', 'Farğona']
Length: 5, dtype: strHar bir qator ortidagi qarorlar:
- Avval matn.
.str.strip().str.title()" toşkent"ni"Toşkent"ga aylantiradi. Buni dublikatlarni olib taşlaşdan oldin bajariş dublikat boşqaça yozuv ortiga yaşirinib qolmasligini taʼminlaydi. - Dublikatlar.
drop_duplicates()barça ustunlarda, jumladanorder_idda ham bir xil bölgan qatorlarni olib taşlaydi. Aynan 8 ta nusxalangan qator yöqoldi. - Sanalar.
pd.to_datetimeoylar uçun.dtaccessorʼdan foydalaniş imkonini beradi. - Yöq narxlarni tiklaş mumkin. Har bir mahsulotning narxi qatʼiy, şuning uçun xuddi şu mahsulotning median narxi xavfsiz almaştiriş böladi.
transform("median")asl indeks bilan tekislangan holda har bir qator uçun qiymat qaytaradi -fillnaga aynan şu kerak. - Yöq miqdorlarni tiklab bölmaydi. Kimdir neça banka asal sotib olganini taxmin qiliş tuşumni öylab topiş bilan barobar, şuning uçun bu 18 ta buyurtma olib taşlanadi.
subset=["quantity"]muhim: oddiydropna()yagona muammosi siz hozirgina tuzatgan narx bölgan qatorlarni ham olib taşlaydi. - Turlar. Yöq qiymatlar qolmagaç,
astype(int)işlaydi,reset_index(drop=True)esa qatorlarni qayta raqamlaydi.
Tozalaş qarorlaringizni yozib qöying
643 ta buyurtmadan 18 tasini (taxminan 3%) olib taşlaş trend hisoboti uçun maqbul. Agar bu 30% bölganida, hisobotga ogohlantiriş kerak bölardi. Yaxşi hisobot doim qança maʼlumot va nima uçun olib taşlanganini aytadi, şuning uçun 9-qadamdagi xulosa bu sonni öz içiga oladi.
4-qadam: Tuşum va oylik trend
sales["revenue"] = sales["quantity"] * sales["price"]
sales["month"] = sales["date"].dt.strftime("%Y-%m")
monthly = sales.groupby("month")["revenue"].sum()
growth = monthly.pct_change() * 100
print(monthly)
print()
print(growth.round(1))month
2026-01 19180000
2026-02 16917000
2026-03 21921000
2026-04 24243000
2026-05 23707000
2026-06 32792000
Name: revenue, dtype: int64
month
2026-01 NaN
2026-02 -11.8
2026-03 29.6
2026-04 10.6
2026-05 -2.2
2026-06 38.3
Name: revenue, dtype: float64strftime("%Y-%m") matn sifatida ham töğri tartibda saralanadigan 2026-03 kabi yorliqlar yaratadi. pct_change() har bir oyni undan oldingisi bilan taqqoslaydi, şuning uçun yanvarda qiymat yöq (NaN).
Trend asosan yuqoriga qarab, ikkita pasayiş bilan. Fevraldagi pasayişni qisman kalendar tuşuntiradi: unda atigi 28 kun bor, demak buyurtmalar ham kamroq. Kunlik tuşum adolatliroq taqqoslaş bölardi - bu quyidagi qöşimça topşiriqlardan biri.
5-qadam: Eng yaxşi mahsulotlar
Nomlangan agregatsiya (new_name=("column", "function")) bitta çaqiriş bilan aniq jadval tuzadi:
products = (
sales.groupby("product")
.agg(units=("quantity", "sum"), revenue=("revenue", "sum"))
.sort_values("revenue", ascending=False)
)
products["share_%"] = (products["revenue"] / products["revenue"].sum() * 100).round(1)
print(products) units revenue share_%
product
Asal 960 57600000 41.5
Örik qoqi 897 40365000 29.1
Kök çoy 907 16326000 11.8
Şarbat 995 13930000 10.0
Somsa 787 5509000 4.0
Non 1006 5030000 3.6units va revenue ni soliştiring. Non eng köp dona (1 006) sotilgan, lekin arzon bölgani uçun eng kam pul keltirgan. Asal şarbatdan kamroq dona sotilgan, lekin barça tuşumning 41,5% ini bergan. "Eng köp sotilgan" qaysi ustun böyiça saralaşingizga boğliq, şuning uçun doim qaysi birini nazarda tutayotganingizni ayting.
6-qadam: Şaharlarni taqqoslaş
cities = (
sales.groupby("city")
.agg(orders=("revenue", "size"), revenue=("revenue", "sum"), avg_order=("revenue", "mean"))
.sort_values("revenue", ascending=False)
)
cities["avg_order"] = cities["avg_order"].round(-2).astype(int)
print(cities) orders revenue avg_order
city
Toşkent 222 48105000 216700
Samarqand 136 32905000 241900
Buxoro 98 20494000 209100
Namangan 84 20350000 242300
Farğona 85 16906000 198900"size" har bir guruhdagi qatorlarni sanaydi. Toşkentda buyurtmalar va tuşum eng köp, lekin Samarqand va Namanganda örtaça buyurtma kattaroq. round(-2) eng yaqin yuz sömgaça yumaloqlaydi, bu hisobot uçun yetarliça aniq.
7-qadam: Yiğma jadval: şahar va oy
Yiğma jadval bir ölçovni qatorlarga, boşqasini ustunlarga joylaştiradi:
pivot = sales.pivot_table(
index="city", columns="month", values="revenue",
aggfunc="sum", fill_value=0, margins=True, margins_name="Jami",
)
print((pivot / 1_000_000).round(1))month 2026-01 2026-02 2026-03 2026-04 2026-05 2026-06 Jami
city
Buxoro 3.2 2.5 4.4 4.2 3.8 2.5 20.5
Farğona 2.2 2.6 3.8 1.4 3.8 3.1 16.9
Namangan 2.8 2.8 3.6 4.4 2.1 4.7 20.4
Samarqand 4.5 3.0 3.0 6.0 5.0 11.4 32.9
Toşkent 6.6 6.1 7.1 8.3 9.0 11.1 48.1
Jami 19.2 16.9 21.9 24.2 23.7 32.8 138.8margins=True Jami qatori va ustunini qöşadi. Faqat körsatiş uçun 1 000 000 ga böliş pivot dagi haqiqiy sonlarni özgarişsiz saqlaydi.
Yiğma jadval alohida jadvallar körsata olmagan narsani oçib beradi: Samarqandning tuşumi iyunda ikki barobardan ham köproq oşgan (11,4 million) va şu oyda Toşkentdan ham ötib ketgan, Buxoroniki esa 3,8 dan 2,5 milliongaça tuşgan. Aynan şu savollarni rahbar keyingi navbatda örganişi kerak.
8-qadam: Uç panelli dashboard
Bitta rasm, uçta Axes, har biri bitta savolga javob beradi:
import matplotlib.pyplot as plt
fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(16, 5))
fig.suptitle("Savdo dashboardi, 2026-yil yanvar–iyun", fontsize=15)
ax1.plot(monthly.index, monthly.values / 1_000_000, marker="o")
ax1.set_title("Oylik tuşum")
ax1.set_xlabel("Oy")
ax1.set_ylabel("Tuşum (million söm)")
ax1.grid(True, alpha=0.3)
top = products["revenue"].sort_values() / 1_000_000
ax2.barh(top.index, top.values, color="tab:green")
ax2.set_title("Mahsulotlar böyiça tuşum")
ax2.set_xlabel("Tuşum (million söm)")
ax3.bar(cities.index, cities["revenue"] / 1_000_000, color="tab:orange")
ax3.set_title("Şaharlar böyiça tuşum")
ax3.set_ylabel("Tuşum (million söm)")
ax3.tick_params(axis="x", rotation=30)
fig.tight_layout()
fig.savefig("sales_dashboard.png", dpi=150)
print("sales_dashboard.png saqlandi")
plt.show()sales_dashboard.png saqlandiRasm keng bölib, "Savdo dashboardi, 2026-yil yanvar-iyun" sarlavhasi ostida yonma-yon uçta grafik joylaşgan:
- Çapda: nuqtali kök çiziq yanvardagi taxminan 19 million sömdan fevralda taxminan 17 milliongaça pasayadi, aprelda taxminan 24 milliongaça kötariladi, mayda biroz pasayadi va iyunda deyarli 33 milliongaça sakraydi.
- Örtada: eng kattasi tepada bölgan tartibda saralangan yaşil gorizontal ustunlar: Asal (taxminan 58 million), Örik qoqi (taxminan 40 million), keyin ança qisqa ustunlar - Kök çoy, Şarbat, Somsa va Non.
- Öngda: şaharlar uçun töq sariq vertikal ustunlar, Toşkentdan (taxminan 48 million) Farğonagaça (taxminan 17 million), şahar nomlari ustma-ust tuşmasligi uçun qiya yozilgan.
Muhim tafsilotlar:
barhdan oldin mahsulotlar seriyasi ösiş tartibida saralanadi, çunki gorizontal ustunli diagrammalar birinçi elementni pastga çizadi. Natijada eng katta ustun tepada böladi.fig.savefig()plt.show()dan oldin keladi. Oyna yopilgandan keyin rasm böş bölişi mumkin.tight_layout()sarlavha va yozuvlar ustma-ust tuşişining oldini oladi.
9-qadam: Hisobotlarni saqlaş va xulosa yoziş
from pathlib import Path
cities.to_csv("city_report.csv")
pivot.to_csv("city_month_revenue.csv")
best_month = monthly.idxmax()
worst_month = monthly.idxmin()
top_product = products.index[0]
top_city = cities.index[0]
first, last = monthly.iloc[0], monthly.iloc[-1]
summary = f"""SAVDO HISOBOTI: {sales["date"].min():%d.%m.%Y} - {sales["date"].max():%d.%m.%Y}
=======================================
Buyurtmalar: {len(sales):,} (tozalaşda {len(raw) - len(sales)} ta xom qator olib taşlandi)
Jami tuşum: {sales["revenue"].sum():,} söm
Örtaça buyurtma: {sales["revenue"].mean():,.0f} söm
Eng yaxşi oy: {best_month} ({monthly.max():,} söm)
Eng zaif oy: {worst_month} ({monthly.min():,} söm)
Yanvardan iyungaça: {(last - first) / first * 100:+.1f}%
Eng yaxşi mahsulot: {top_product} (tuşumning {products.loc[top_product, "share_%"]}%)
Eng yaxşi şahar: {top_city} ({cities.loc[top_city, "revenue"]:,} söm, {cities.loc[top_city, "orders"]} ta buyurtma)
"""
Path("sales_summary.txt").write_text(summary, encoding="utf-8")
print(summary)
print("Fayllar:", sorted(p.name for p in Path(".").iterdir() if p.suffix in {".csv", ".png", ".txt"}))SAVDO HISOBOTI: 01.01.2026 - 30.06.2026
=======================================
Buyurtmalar: 625 (tozalaşda 26 ta xom qator olib taşlandi)
Jami tuşum: 138,760,000 söm
Örtaça buyurtma: 222,016 söm
Eng yaxşi oy: 2026-06 (32,792,000 söm)
Eng zaif oy: 2026-02 (16,917,000 söm)
Yanvardan iyungaça: +71.0%
Eng yaxşi mahsulot: Asal (tuşumning 41.5%)
Eng yaxşi şahar: Toşkent (48,105,000 söm, 222 ta buyurtma)
Fayllar: ['city_month_revenue.csv', 'city_report.csv', 'sales_dashboard.png', 'sales_raw.csv', 'sales_summary.txt']Taqdimot işini format spetsifikatsiyalari bajaradi: :, minglik ajratkiçlarni qöşadi, :,.0f örtaça qiymatni yumaloqlaydi, :+.1f doim işorani körsatadi, sanadan keyingi :%d.%m.%Y esa uni strftime kabi formatlaydi. idxmax() eng katta qiymatning yorliğini (oyni) qaytaradi, max() esa qiymatning özini.
CSV fayllar maʼlumotni elektron jadvalda çuqurroq örganmoqçi bölganlar uçun. to_csv indeksni (city) birinçi ustun sifatida saqlaydi, bu yerda aynan şu kerak.
Töliq dastur
Loyiha tuzilişiga mos ravişda funksiyalarga ajratilgan xuddi şu tahlil. Uni sales_report.py sifatida saqlang va işga tuşiring. U barça fayllarni joriy papkaga yozadi va oxirida dashboard oynasini oçadi.
import csv
import random
from datetime import date, timedelta
from pathlib import Path
import matplotlib.pyplot as plt
import pandas as pd
RAW_FILE = "sales_raw.csv"
CITIES = {"Toşkent": 5, "Samarqand": 3, "Buxoro": 2, "Namangan": 2, "Farğona": 2}
PRODUCTS = {"Kök çoy": 18000, "Somsa": 7000, "Non": 5000,
"Örik qoqi": 45000, "Asal": 60000, "Şarbat": 14000}
# ---------- 1-qadam: xom maʼlumot yaratiş ----------
def make_raw_csv(path, seed=42):
random.seed(seed)
rows = []
start = date(2026, 1, 1)
for day_number in range(181):
day = start + timedelta(days=day_number)
for _ in range(random.randint(2, 5)):
city = random.choices(list(CITIES), weights=list(CITIES.values()))[0]
product = random.choice(list(PRODUCTS))
quantity = random.randint(1, 12) + day_number // 30
price = PRODUCTS[product]
if random.random() < 0.05:
city = " " + city.lower()
if random.random() < 0.03:
quantity = ""
if random.random() < 0.02:
price = ""
rows.append({"order_id": f"A{len(rows) + 1:04d}", "date": day.isoformat(),
"city": city, "product": product,
"quantity": quantity, "price": price})
rows.extend(random.sample(rows, 8))
with open(path, "w", newline="", encoding="utf-8") as file:
writer = csv.DictWriter(file, fieldnames=list(rows[0]))
writer.writeheader()
writer.writerows(rows)
# ---------- 2-3-qadamlar: yuklaş va tozalaş ----------
def load_clean(path):
raw = pd.read_csv(path)
sales = raw.copy()
sales["city"] = sales["city"].str.strip().str.title()
sales = sales.drop_duplicates()
sales["date"] = pd.to_datetime(sales["date"])
typical_price = sales.groupby("product")["price"].transform("median")
sales["price"] = sales["price"].fillna(typical_price)
sales = sales.dropna(subset=["quantity"])
sales["quantity"] = sales["quantity"].astype(int)
sales["price"] = sales["price"].astype(int)
sales["revenue"] = sales["quantity"] * sales["price"]
sales["month"] = sales["date"].dt.strftime("%Y-%m")
print(f"{len(raw)} ta xom qator yuklandi, {len(sales)} ta toza buyurtma qoldi")
return raw, sales.reset_index(drop=True)
# ---------- 4-7-qadamlar: jadvallar ----------
def build_tables(sales):
monthly = sales.groupby("month")["revenue"].sum()
products = (
sales.groupby("product")
.agg(units=("quantity", "sum"), revenue=("revenue", "sum"))
.sort_values("revenue", ascending=False)
)
products["share_%"] = (products["revenue"] / products["revenue"].sum() * 100).round(1)
cities = (
sales.groupby("city")
.agg(orders=("revenue", "size"), revenue=("revenue", "sum"), avg_order=("revenue", "mean"))
.sort_values("revenue", ascending=False)
)
cities["avg_order"] = cities["avg_order"].round(-2).astype(int)
pivot = sales.pivot_table(index="city", columns="month", values="revenue",
aggfunc="sum", fill_value=0, margins=True, margins_name="Jami")
return monthly, products, cities, pivot
# ---------- 8-qadam: dashboard ----------
def draw_dashboard(monthly, products, cities, path):
fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(16, 5))
fig.suptitle("Savdo dashboardi, 2026-yil yanvar–iyun", fontsize=15)
ax1.plot(monthly.index, monthly.values / 1_000_000, marker="o")
ax1.set_title("Oylik tuşum")
ax1.set_xlabel("Oy")
ax1.set_ylabel("Tuşum (million söm)")
ax1.grid(True, alpha=0.3)
top = products["revenue"].sort_values() / 1_000_000
ax2.barh(top.index, top.values, color="tab:green")
ax2.set_title("Mahsulotlar böyiça tuşum")
ax2.set_xlabel("Tuşum (million söm)")
ax3.bar(cities.index, cities["revenue"] / 1_000_000, color="tab:orange")
ax3.set_title("Şaharlar böyiça tuşum")
ax3.set_ylabel("Tuşum (million söm)")
ax3.tick_params(axis="x", rotation=30)
fig.tight_layout()
fig.savefig(path, dpi=150)
return fig
# ---------- 9-qadam: matnli xulosa ----------
def make_summary(raw, sales, monthly, products, cities):
first, last = monthly.iloc[0], monthly.iloc[-1]
top_product = products.index[0]
top_city = cities.index[0]
return f"""SAVDO HISOBOTI: {sales["date"].min():%d.%m.%Y} - {sales["date"].max():%d.%m.%Y}
=======================================
Buyurtmalar: {len(sales):,} (tozalaşda {len(raw) - len(sales)} ta xom qator olib taşlandi)
Jami tuşum: {sales["revenue"].sum():,} söm
Örtaça buyurtma: {sales["revenue"].mean():,.0f} söm
Eng yaxşi oy: {monthly.idxmax()} ({monthly.max():,} söm)
Eng zaif oy: {monthly.idxmin()} ({monthly.min():,} söm)
Yanvardan iyungaça: {(last - first) / first * 100:+.1f}%
Eng yaxşi mahsulot: {top_product} (tuşumning {products.loc[top_product, "share_%"]}%)
Eng yaxşi şahar: {top_city} ({cities.loc[top_city, "revenue"]:,} söm, {cities.loc[top_city, "orders"]} ta buyurtma)
"""
def main():
make_raw_csv(RAW_FILE)
raw, sales = load_clean(RAW_FILE)
monthly, products, cities, pivot = build_tables(sales)
print("\nŞahar va oylar böyiça tuşum (million söm):")
print((pivot / 1_000_000).round(1))
cities.to_csv("city_report.csv")
pivot.to_csv("city_month_revenue.csv")
draw_dashboard(monthly, products, cities, "sales_dashboard.png")
summary = make_summary(raw, sales, monthly, products, cities)
Path("sales_summary.txt").write_text(summary, encoding="utf-8")
print()
print(summary)
print("Saqlandi: city_report.csv, city_month_revenue.csv, sales_dashboard.png, sales_summary.txt")
plt.show()
if __name__ == "__main__":
main()Natija:
651 ta xom qator yuklandi, 625 ta toza buyurtma qoldi
Şahar va oylar böyiça tuşum (million söm):
month 2026-01 2026-02 2026-03 2026-04 2026-05 2026-06 Jami
city
Buxoro 3.2 2.5 4.4 4.2 3.8 2.5 20.5
Farğona 2.2 2.6 3.8 1.4 3.8 3.1 16.9
Namangan 2.8 2.8 3.6 4.4 2.1 4.7 20.4
Samarqand 4.5 3.0 3.0 6.0 5.0 11.4 32.9
Toşkent 6.6 6.1 7.1 8.3 9.0 11.1 48.1
Jami 19.2 16.9 21.9 24.2 23.7 32.8 138.8
SAVDO HISOBOTI: 01.01.2026 - 30.06.2026
=======================================
Buyurtmalar: 625 (tozalaşda 26 ta xom qator olib taşlandi)
Jami tuşum: 138,760,000 söm
Örtaça buyurtma: 222,016 söm
Eng yaxşi oy: 2026-06 (32,792,000 söm)
Eng zaif oy: 2026-02 (16,917,000 söm)
Yanvardan iyungaça: +71.0%
Eng yaxşi mahsulot: Asal (tuşumning 41.5%)
Eng yaxşi şahar: Toşkent (48,105,000 söm, 222 ta buyurtma)
Saqlandi: city_report.csv, city_month_revenue.csv, sales_dashboard.png, sales_summary.txtGrafik oynasida 8-qadamda tasvirlangan xuddi şu uç panelli dashboard körinadi, sales_dashboard.png da ham aynan şu rasm bor. make_raw_csv dagi seed=42 ni özgartirsangiz, boşqa olti oylik maʼlumot olasiz: har bir jadval, grafik va xulosa matni avtomatik yangilanadi, çunki hisobotdagi heç narsa qölda yozilmagan.
Özingiz sinab köring
Ikkita tartibsiz şahar nomi va bitta yöq miqdorni öz içiga olgan ön buyurtmali kiçik versiya. U maʼlumotni tozalaydi, yiğma jadvalni çop etadi va ikki grafik çizadi. Namangan uçun qator qöşing yoki narxni özgartirib, qayta işga tuşiring.
Köp uçraydigan xatolar
1. Matnni tozalaşdan oldin guruhlaş
import io
import pandas as pd
text = """city,revenue
Toşkent,120000
toşkent,45000
Samarqand,80000
TOŞKENT ,30000
"""
sales = pd.read_csv(io.StringIO(text))
print(sales.groupby("city")["revenue"].sum())
print()
sales["city"] = sales["city"].str.strip().str.title()
print(sales.groupby("city")["revenue"].sum())city
toşkent 45000
Samarqand 80000
TOŞKENT 30000
Toşkent 120000
Name: revenue, dtype: int64
city
Samarqand 80000
Toşkent 195000
Name: revenue, dtype: int64Tozalaşdan oldin Toşkent uç guruhga bölinib ketgan va saralangan "eng yaxşi şaharlar" röyxati notöğri bölardi. Tuzatiş: har bir matnli ustunda value_counts() ni tekşiring, keyin guruhlaşdan oldin .str.strip() va .str.title() (yoki .str.lower()) bilan bir xil körinişga keltiring.
2. Hali yöq qiymatlari bor ustunni aylantiriş
import io
import pandas as pd
text = """product,quantity
Asal,3
Somsa,
Şarbat,5
"""
sales = pd.read_csv(io.StringIO(text))
sales["quantity"] = sales["quantity"].astype(int)pandas.errors.IntCastingNaNError: Cannot convert non-finite values (NA or inf) to integer.Replace or remove non-finite values or cast to an integer typethat supports these values (e.g. 'Int64')Tuzatiş: avval yöq qiymat nimani anglatişini hal qiling: uni töldiring (fillna) yoki qatorni olib taşlang (dropna), keyin aylantiring. Agar böşliqlarni saqlaş şart bölsa, pandasʼda null qiymatni qöllaydigan butun son turi bor: katta I harfi bilan astype("Int64").
3. Alifbo tartibida saralanadigan oy nomlari
import io
import pandas as pd
text = """date,revenue
2026-01-15,100
2026-02-15,200
2026-03-15,300
2026-04-15,400
"""
sales = pd.read_csv(io.StringIO(text), parse_dates=["date"])
sales["month"] = sales["date"].dt.strftime("%b") # Yomon: Jan, Feb, ...
print(sales.groupby("month")["revenue"].sum())
print()
sales["month"] = sales["date"].dt.strftime("%Y-%m") # Yaxşi: 2026-01, ...
print(sales.groupby("month")["revenue"].sum())month
Apr 400
Feb 200
Jan 100
Mar 300
Name: revenue, dtype: int64
month
2026-01 100
2026-02 200
2026-03 300
2026-04 400
Name: revenue, dtype: int64Alifboda Apr Jan dan oldin keladi, şuning uçun "trend" aralaşib ketadi va çiziqli grafik zigzag bölib qoladi. Tuzatiş: %Y-%m kabi saralanadigan yorliq (yoki dt.to_period("M")) böyiça guruhlang, oy nomlarini esa faqat yakuniy körsatiş uçun formatlang.
4. dropna() bilan juda köp narsani olib taşlaş
import pandas as pd
raw = pd.read_csv("sales_raw.csv")
print("Barça qatorlar: ", len(raw))
print("dropna() dan keyin: ", len(raw.dropna()))
print("dropna(subset=[...]) keyin:", len(raw.dropna(subset=["quantity"])))Barça qatorlar: 651
dropna() dan keyin: 624
dropna(subset=[...]) keyin: 633Oddiy dropna() birorta ustunda qiymat yöq bölsa, qatorni olib taşlaydi, jumladan töldiriş mumkin bölgan narxlar tufayli ham. Tuzatiş: avval tiklaş mumkin bölgan narsani töldiring va faqat yöq qiymati ularni haqiqatan yaroqsiz qiladigan qatorlarni olib taşlaş uçun subset= dan foydalaning. Har bir qadam neça qatorni olib taşlaganini doim çop eting.
Qöşimça topşiriqlar
Maslahatlarni oçişdan oldin har birini özingiz bajarib köring.
1. Kunlik tuşum
Oylar uzunligi har xil. Oylik jadvalga kunlik tuşum ustunini qöşing va fevral hali ham zaif körinayotganini tekşiring.
Maslahatlar
sales.groupby("month")["date"].nunique()har oydagi buyurtma bölgan kunlarni sanaydi.- Oylik tuşum Seriesʼini şu Seriesʼga böling. pandas ularni oylar böyiça avtomatik tekislaydi.
2. Şaharlar böyiça mahsulotlar
Har bir şaharda (tuşum böyiça) eng köp sotilgan mahsulotni toping.
Maslahatlar
- Ikki ustun böyiça guruhlang:
sales.groupby(["city", "product"])["revenue"].sum(). - Keyin
.groupby(level="city").idxmax()dan foydalaning yoki saralab,reset_index()dan keyin.groupby("city").head(1)ni qöllang.
3. Hafta kunlari böyiça qonuniyat
Odamlar dam oliş kunlari köproq xarid qiladimi? Dashboardga hafta kunlari böyiça örtaça tuşumni duşanbadan yakşanbagaça tartibda körsatadigan törtinçi panel qöşing.
Maslahatlar
sales["date"].dt.dayofweekduşanba uçun 0 dan yakşanba uçun 6 gaça qiymat beradi va töğri saralanadi.dt.day_name()ni faqat yozuvlar uçun işlating.- Hafta kuni böyiça örtaça degani: avval har bir sana uçun jami tuşum, keyin hafta kuni böyiça örtaça. Aks holda buyurtmalari köp hafta kunlari kattaroq körinadi.
plt.subplots(1, 3)niplt.subplots(2, 2)ga özgartiring va Axesʼlarniaxes.flatorqali oling.
4. Oyma-oy ogohlantirişlar
Matnli xulosaga tuşumi oldingi oyga nisbatan 25% dan köp kamaygan har bir şaharni Buxoro: 2026-06 da 2026-05 ga nisbatan 34% kamaydi körinişida sanab ötadigan bölim qöşing.
Maslahatlar
- Avval yiğma jadvaldan
Jamiqatori va ustunini olib taşlang (pivot.drop(index="Jami", columns="Jami")). pct_change(axis=1)har bir oyni oldingi ustun bilan taqqoslaydi.- Natija böylab
.stack()yoki.items()bilan sikl yurgizing va qatorlarni f-satrlar bilan tuzing.
5. Qayta işlatiladigan hisobot buyruği
Skriptni xuddi şu ustunlarga ega har qanday savdo fayli bilan işlaydigan vositaga aylantiring: u fayl nomini söraydi, ustunlarni tekşiradi, maʼlumot yaratişni ötkazib yuboradi va barça natijalarni fayl nomi bilan atalgan papkaga saqlaydi (masalan, reports/sales_raw/).
Maslahatlar
set(required_columns) <= set(raw.columns)ni tekşiring va ustunlar yetişmasa, tuşunarli xabarli öz istisnongizni çaqiring.read_csvatrofidaFileNotFoundErrorvapd.errors.EmptyDataErrorni uşlang.Path("reports") / Path(name).stemvamkdir(parents=True, exist_ok=True)dan foydalaning, keyin papkani har bir saqlaş funksiyasiga uzating.load_cleanniio.StringIOdan yaratilgan kiçik DataFrame bilan test qiling, şunda test uçun haqiqiy fayl kerak bölmaydi.
Xulosa
- Hisobot konveyer (pipeline) böyiça boradi: yuklaş, körib çiqiş, tozalaş, tahlil, vizuallaştiriş va saqlaş. Har bir bosqiçni alohida funksiyada saqlang.
- Tozalaşdan oldin körib çiqing:
head(),dtypes,isna().sum()va matnli ustunlardagivalue_counts()muammolarning köpini oçib beradi. - Guruhlaş yoki dublikatlarni olib taşlaşdan oldin matnni tozalang, tiklaş mumkin bölgan qiymatlarni töldiring va faqat tiklab bölmaydigan qatorlarni olib taşlang. Neça qator olib taşlanganini qayd eting.
- Nomlangan agregatsiyali
groupby"har bir mahsulot böyiça" va "har bir şahar böyiça" savollariga javob beradi,pivot_table(margins=True)esa ikki ölçovni jami qiymatlar bilan körsatadi. 2026-03kabi saralanadigan oy yorliqlaridan foydalaning va "eng yaxşi" dona böyiçami yoki tuşum böyiçami ekanini hal qiling.- Bir neça Axesʼli bitta rasm dashboard böladi.
savefigniplt.show()dan oldin çaqiring, aks holda yopilgan oyna böş PNG qoldirişi mumkin; xulosa matnini f-satrlar yordamida hisoblangan qiymatlardan tuzing, şunda maʼlumot özgarganda butun hisobot yangilanadi.