公众号：Python大数据分析与机器学习

对于物流行业来说，物流的时效是非常重要的，将会决定其合作的企业和客户，是物流看板的重要组成部分。通过时效分析，物流企业可以清晰地了解那些省份物流时效最高，哪些省份时效最低。

（1）从物流时效角度的角度来看，物流时效类似的省份有什么特征？

（2）不同大区是否有明显的的物流时效差异？

（3）是否和地区基础物流建设水平有关，制约了物流时效？

（4）同时，我们需要了解同城配送时长超过三天的有哪些地区，分别是由什么因素导致的？应该做出怎样的改进？

（1）首先，先从整体上分析哪些省份的平均时效较长，分析这些省份的特征，以及导致平均时长较长的原因；

（2）然后，有针对性的具体分析需要改进的省份；

（3）物流企业如何在整体上清晰地了解那些省份物流时效较高，哪些省份物流时效较低呢？在这里我们可以选择从全国的视角展开对收货省份平均配送时长的分析，这里我们选择所使用点地图实现。

首先，我们大致看一下数据的字段以及数据类型：

（1）我们选择图表类型为点地图，设置数据维度中的收货省份的地理角色为省/市/自治区，然后将收货省份的经度和纬度分别放置在横轴和纵轴，收货省份就能够在地图上进行展示。
（2）将数据中的件量放在图形属性中的颜色中，汇总方式就以求和的方式进行展示，同时设置颜色渐变方案为夕照。

（3）将数据中的平均配送时长放在大小，汇总方式为平均，同时可以设置大小旁边的小齿轮，调整点的半径大小。

（4）在这里，我们将仪表板的标题和图例都取消了显示。同时设置组件样式中的组件背景为深蓝。

（1）点地图的方式可以在直观上看到哪些省市的发货速度快，哪些速度慢？但是具体的数据不容易观察。

（2）我们可以使用明细表对全国省市物流发货速度进行分析，查看平均配送时长排名前10名的省市的详细情况。

（1）图表类型中选择明细表；

（2）依次将发货省份、收货省份、平均配送时长、件量、已签收等维度和指标放在数据中显示；

（3）之后，重新设置平均配送时长和已签收显示名为时效和签收量；

（4）将时效按照升序排序，同时在组件样式中-格式-显示序号勾选上，方便我们接下来找到前10；

（5）因为，我们要查看平均配送时长前10的省市情况，所以，我们需要将前10的省市按照时效筛选。经过上一步的升序排序，可知，排名第10的时效为12.48。那么，我们在设置筛选条件的时候，就可以设置为筛选出时效小于等于12.5。
（6）最后，将组件样式中的组件背景颜色设置为深蓝色即可。

不同区域间是否存在明显的物流时效差异？与哪些因素有关？可对各区域之间物流时效进行对比，这里可选择雷达图。

中国地区划分、区域划分

华北地区：北京市、天津市、河北省、山西省、内蒙古自治区

东北地区：辽宁省、吉林省、黑龙江省

华东地区：上海市、江苏省、浙江省、安徽省、福建省、江西省、山东省

华中地区：河南省、湖北省、湖南省

华南地区：广东省、海南省、广西壮族自治区

西南地区：重庆市、四川省、贵州省、云南省、西藏自治区

西北地区：陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区

特别行政区：香港特别行政区、澳门特别行政区、台湾省

4个直辖市：北京市、上海市、天津市、重庆市

（1）图表类型选择雷达图；

（2）将收货省份放置在横轴，并进行自定义分组，将所有省份按照华北、东北、华东、华中、华南、西南、西南、特别行政区。

（3）将平均配送时长的平均值放置在纵轴、颜色（渐变方案选择夕照）、标签。并且，在纵轴的平均时长的平均值的下拉框下选择设置值轴，不显示轴标签。

（4）最后，编辑标题：各区域间配送时长、网络线、轴线是否要去掉看个人爱好。

哪些省份同城配送平均时长超过3天？有什么特点？是什么因素导致的？这是物流运营中需要重视的问题，可以自定义图表【柱形图+折线图+警戒线】进行呈现。

5.4.1 图表—自定义图表

（1）图表类型选择自定义图表；

（2）将收货省份放置在横轴，将件量（求和）、平均配送时长（平均）放置在纵轴，生成初始柱形图。

（3）设置左右两边两个度量轴取值，纵轴中的件量（求和）—选择【设置值轴】—设置左值轴，【平均配送时长（平均）】—选择【设置值轴】—设置右值轴。

（4）在横轴【收货省份】中对件量（求和）进行排序；

（5）图形属性中将【平均配送时长】的形状改为【线】；

（6）【连线】中将线型设置为曲线，标记点设置为无。

（7）对【件量】的柱形图颜色进行更改；针对平均时长添加警戒线。