最近，市场监督总局对阿里巴巴开出182.28亿“天价罚单”的消息引爆了舆论场。很多人会产生一个疑问：“182.28亿这个数字是从哪来的？”

“根据《反垄断法》第四十七条、第四十九条规定，综合考虑阿里巴巴集团违法行为的性质、程度和持续时间等因素，2021年4月10日，市场监管总局依法作出行政处罚决定，责令阿里巴巴集团停止违法行为，并处以其2019年中国境内销售额4557.12亿元4%的罚款，计182.28亿元。”——人民日报

从上述文字中，我们知道2019年整个阿里集团的全部业务营业收入是4557.12亿元，其中，电商仍然是阿里巴巴业务驱动的主引擎，占据了整体销售额的85%以上。

就去年双十一来说，阿里巴巴成交额突破3723亿，京东下单金额突破2000亿。在京东和新晋巨头拼多多的围剿下，阿里的电商业务仍然保持了较高增速，这主要是它成功抓住了直播电商的风口。培养了大批直播主播，头部主播个人一天的销售额就能超过50亿。

抖音电商 2020 年全年 GMV（商品成交总额）超过 5000 亿元，比 2019 年翻了三倍多。

（图片来源于网络）

2019年，直播电商行业整体成交额达4512.9亿元，同比增长200.4%，仅占网购整体规模的4.5%，成长空间较大，预计未来两年仍会保持较高的增长态势。随着内容平台与电商交易的融合程度不断加深，预计2022年直播带货的渗透率可以增长到 20.3%。

图片

（数据来源：艾瑞咨询）

光看这些数字很难有一个具体的概念，今天我就给大家演示一下如何零基础用Python做电商直播数据可视化，以一个直观的方式看看直播电商这个行业到底有多火。

废话不多说！上几行代码就可以搞定：

第一步 导入数据

Python可视化的库有许多，今天我们要用到的有numpy、plotly、pandas。话不多说，我们先导入！

import numpy as np
import pandas as pd
import plotly.express as px

接下来，我们把EXCEL文件导入python

df = pd.read_excel('业务.xlsx')

第二步 可视化

在对数据进行可视化之前，我们得先了解这份数据的特征，不了解数据就盲目画出的图往往没有意义。比如这份数据的指标有时间、地区、销售额、序号。

df.info()

图片

知道了指标，问题也随之产生了。不同地区的销售额有什么差别？销售额和时间之间又有什么关系？带着这些问题，我们利用可视化来一探究竟。

px.scatter(df,x = '序号', y = '销售额', color = '地区', size =’销售额‘

图片

这样，我们的一份可视化图表就完成了。从图中我们可以清晰地看到，上海和北京地区的销售额越来越高，北京的销售规模比上海更大。

这个例子展示的仅仅是Python可视化库的冰山一角，它拥有的功能远远没有那么简单。 实际上，它不仅能生成一张美观的静态图表，还能根据需求生成可交互的网页。

（plotly可视化案例）

看到了这里，不少零基础入门数据分析师的同学，难免会产生这样的疑问：这个东西这么复杂，会不会很难上手？
其实，只要找对学习的目标和方向，清楚整个Python板块的体系，在学习中，你就会一步一步的看清楚自己”想要什么“。
那么作为零基础的我们，要如何规划好自己的第一步呢？
首先，我们需要找到一个好的启蒙老师，由他带我们初步认识Python，了解这门神奇的语言。先树立一个正确的Python世界观，学习之路由此开始；其次，我们需要以优质的、实用的学习资料、书籍以及习题作为练习，巩固自己学习到的知识。这一步相当重要！
今天我为大家整理出了一些Python数据可视化的学习教程，对于编写和识别Python代码及数据分析有兴趣可以借鉴学习，这些资料，你必定能用上由于内容过多，这里只做部分展示，有需要的小伙伴不妨点赞、评论一波，私信关键字“可视化”，我会将整理出的内容分享给大家：

image.png

学习Python难吗？难！当你没有踏入这个领域尝试的时候，你会一直是望而却步的状态。与其一直“高山仰止”，不如让我们一起来勇攀高峰，一起征服Python！最后，祝大家都能在不断的学习中达成自己心中的目标，加油！