ชุดฝึกท้าย module: Visualization และ storytelling

เตรียมยอดขายรายเดือนปี 2025 (completed) เพื่อเอาไปวาดกราฟเส้น เก็บไว้ในตัวแปร result

เตรียมรายได้แยกตามหมวดสินค้า เรียงมากไปน้อย เพื่อเอาไปวาดกราฟแท่ง เก็บไว้ในตัวแปร result

เตรียมจำนวนลูกค้าแยกตามช่องทางสมัคร เพื่อเอาไปวาดกราฟแท่ง/วงกลม เก็บไว้ในตัวแปร result

เตรียมข้อมูลราคาและต้นทุนสินค้า (สองคอลัมน์) เพื่อเอาไปวาด scatter plot เก็บไว้ในตัวแปร result

เตรียม Q1/median/Q3 ของราคาสินค้าแยกตามหมวด เพื่อเอาไปวาด box plot เก็บไว้ในตัวแปร result

หา 3 เดือนของปี 2025 ที่ทำรายได้สูงสุด เรียงมากไปน้อย เก็บไว้ในตัวแปร result

Pearson correlation ระหว่างราคาสินค้ากับต้นทุน เก็บไว้ในตัวแปร r_price_cost

หารายได้เดือน พ.ย. 2025 และ ต.ค. 2025 พร้อมคำนวณ % เปลี่ยนแปลง (MoM) เก็บไว้ในตัวแปร nov_revenue, oct_revenue, mom_pct

จำนวนลูกค้าที่เคยซื้อของ (paying customers) และจำนวนลูกค้า 20% อันดับต้นตามรายได้ เก็บไว้ในตัวแปร n_paying_customers, top20_n

% ของรายได้รวมที่ลูกค้า 20% อันดับต้นสร้างขึ้น เก็บไว้ในตัวแปร top20_share_pct

ยอดออเดอร์เฉลี่ยต่อเดือนช่วง พ.ย.-ธ.ค. เทียบกับเดือนอื่นๆ (นับทุกปี, completed) และ % ที่สูงกว่า เก็บไว้ในตัวแปร nov_dec_avg, other_avg, pct_higher

แบ่งราคาสินค้าเป็นช่วง [0,500,1000,5000,10000,30000] แล้วนับจำนวนสินค้าในแต่ละช่วง เก็บไว้ในตัวแปร result

เตรียมตารางรวมรายได้และจำนวนออเดอร์แยกตามหมวดสินค้า (สองคอลัมน์ revenue, n_orders) เก็บไว้ในตัวแปร result

หาจำนวนลูกค้าน้อยที่สุด (เรียงตามรายได้มากไปน้อย) ที่รวมกันแล้วสร้างรายได้อย่างน้อย 50% ของรายได้รวม เก็บไว้ในตัวแปร n_for_half_revenue

Pearson correlation ระหว่างส่วนลด (discount_pct เติมค่าว่างด้วย 0) กับยอดขายต่อออเดอร์ (completed) เก็บไว้ในตัวแปร r_discount_rev

ยอดขายรายเดือนเฉลี่ยของปี 2025 และจำนวนเดือนที่ยอดขายสูงกว่าค่าเฉลี่ยนี้ เก็บไว้ในตัวแปร avg_monthly_2025, n_above_avg