Student 1: BendySonic

Student 2: ecxqua

Student 3: Slava1111

Моя роль в качестве Student 2 выполнялась у ecxqua

📊 Анализ продаж в интернет-магазине

Этот проект реализует автономный Python-модуль для анализа данных о продажах, согласно техническому заданию из

.
Цель: заменить полноценный Django API простым, быстрым и корректным скриптом на

pandas

, который генерирует тестовые данные и создаёт три аналитических JSON-файла.

Репозиторий содержит решение учебной задачи по анализу данных продаж. Спецификация была сформулирована одним участником, реализация — другим, строго по требованиям, с помощью Qwen.

Задача была чётко выполнено вайб-кодингом благодаря подробной спецификации с уточнениями, но без излишних деталей реализации (кроме явного примера генерации датасета, что было важно уточнить, так как данные в готовом варианте поступают извне)

✅ Соответствие спецификации

Решение полностью соответствует требованиям из

:

• ✅ Используется только
  pandas
  , без Django, DRF или веб-слоя.
• ✅ Поддерживается обработка 50 000+ строк за < 2 секунд.
• ✅ Все даты обрабатываются как
  datetime
  с корректной фильтрацией.
• ✅ Реализованы три обязательные функции:
  • get_sales_by_category()
    — выручка по категориям за 2024 год.
  • get_daily_statistics()
    — статистика за 25 декабря 2024.
  • get_customer_segments()
    — сегментация клиентов по общим тратам.
• ✅ Обрабатываются граничные случаи:
  • отсутствие данных за дату → нулевые значения,
  • пропущенные
    NaN
    → строки удаляются при загрузке.
• ✅ Генерация
  sales_data.csv
  встроена в скрипт — всё работает «по одной кнопке».

📦 Структура

analyze_sales.py          # Единый исполняемый скрипт
sales_data.csv            # Автоматически генерируется при запуске
*.json                    # Три выходных отчёта

⚙️ Что делает скрипт

При запуске:

1. Генерирует
   sales_data.csv
   (50 000 строк, даты 2023–2025, 7 категорий, 10k клиентов)
2. Загружает и чистит данные (удаляет NaN, приводит типы, парсит даты)
3. Выполняет три аналитических задачи:
   • Выручка по категориям за 2024 год →
     sales_by_category.json
   • Статистика за 2024-12-25 →
     daily_stats_2024-12-25.json
   • Сегментация клиентов (VIP / Regular / New) →
     customer_segments.json

Выручка считается как

. Все суммы округлены до 2 знаков.

▶️ Запуск

Требуется Python 3.8+ и библиотеки

,

numpy

:

Скрипт сам создаст данные и сгенерирует JSON-отчёты. Время выполнения — <2 сек.