Python数据分析-电商交易数据分析

#!/usr/bin/env python
# coding: utf-8

# 明确分析目的：了解2016年交易数据中的商品表现、城市分布、渠道信息、犹豫时间等
# 订单总数、销售总额、总下单客户数
# 销量在前十名和后十名的商品
# 成交额在前十名和后十名的商品
# 销量和销售额最后100个的交集
# 成交额的区间分布；# 细分价格区间的成交额分布
# 不同城市的成交额、销量 取前十名降序排列（成交额、销量）
# 成交额占比最前三名的渠道及其所在城市

# 加载数据分析需要使⽤的库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 加载数据，加载之前先⽤⽂本编辑器看下数据的格式，⾸⾏是什么，分隔符是什么等
df = pd.read_csv('./order_info_2016.csv', index_col = 'id')

df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 104557 entries, 1 to 104557
Data columns (total 10 columns):
orderId       104557 non-null int64
userId        104557 non-null int64
productId     104557 non-null int64
cityId        104557 non-null int64
price         104557 non-null int64
payMoney      104557 non-null int64
channelId     104549 non-null object
deviceType    104557 non-null int64
createTime    104557 non-null object
payTime       104557 non-null object
dtypes: int64(7), object(3)
memory usage: 8.8+ MB

df.head()

	orderId	userId	productId	cityId	price	payMoney	channelId	deviceType	createTime	payTime
id
1	232148841	2794924	268	110001	35300	35300	9058255c90	3	2016-01-01 12:53:02	2016-01-01 12:53:24
2	222298971	1664684	801	330001	51200	49900	e0e6019897	2	2016-01-01 21:42:51	2016-01-01 21:43:30
3	211494392	2669372	934	220002	62100	62100	9058255c90	3	2016-01-01 14:10:13	2016-01-01 14:11:18
4	334575272	1924727	422	230001	50600	42000	46d5cea30d	2	2016-01-01 17:43:35	2016-01-01 17:43:53
5	144825651	4148671	473	130006	149100	142000	6ff1752b69	2	2016-01-01 18:52:04	2016-01-01 18:52:47

# 数值型数据统计
df.describe()

	orderId	userId	productId	cityId	price	payMoney	deviceType
count	1.045570e+05	1.045570e+05	104557.000000	104557.000000	1.045570e+05	1.045570e+05	104557.000000
mean	2.993341e+08	3.270527e+06	504.566275	154410.947225	9.167350e+04	8.686689e+04	2.385292
std	5.149818e+07	4.138208e+07	288.130647	72197.163762	9.158836e+04	9.072028e+04	0.648472
min	1.035627e+08	2.930600e+04	0.000000	30000.000000	6.000000e+02	-1.000000e+03	1.000000
25%	2.633627e+08	2.179538e+06	254.000000	100011.000000	3.790000e+04	3.360000e+04	2.000000
50%	2.989828e+08	2.705995e+06	507.000000	150001.000000	5.920000e+04	5.500000e+04	2.000000
75%	3.349972e+08	3.271237e+06	758.000000	220002.000000	1.080000e+05	1.040000e+05	3.000000
max	4.871430e+08	3.072939e+09	1000.000000	380001.000000	2.295600e+06	2.294200e+06	6.000000

# 加载device_type
device_type = pd.read_csv('./device_type.txt')
device_type

	id	deviceType
0	1	PC
1	2	Android
2	3	iPhone
3	4	Wap
4	5	other

# 数据清洗
# orderId
df.orderId.unique().size# 查看orderId 订单号是否有重复值
df.orderId.unique().size < df