电商2016年交易数据分析

#加载数据分析需要的库
#加载数据
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('./order.csv')
df.head()
#查看数据大概分布
df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 104557 entries, 0 to 104556
Data columns (total 11 columns):
id            104557 non-null int64
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(8), object(3)
memory usage: 8.8+ MB
df.describe()
id	orderId	userId	productId	cityId	price	payMoney	deviceType
count	104557.000000	1.045570e+05	1.045570e+05	104557.000000	104557.000000	1.045570e+05	1.045570e+05	104557.000000
mean	52279.000000	2.993341e+08	3.270527e+06	504.566275	154410.947225	9.167350e+04	8.686689e+04	2.385292
std	30183.150385	5.149818e+07	4.138208e+07	288.130647	72197.163762	9.158836e+04	9.072028e+04	0.648472
min	1.000000	1.035627e+08	2.930600e+04	0.000000	30000.000000	6.000000e+02	-1.000000e+03	1.000000
25%	26140.000000	2.633627e+08	2.179538e+06	254.000000	100011.000000	3.790000e+04	3.360000e+04	2.000000
50%	52279.000000	2.989828e+08	2.705995e+06	507.000000	150001.000000	5.920000e+04	5.500000e+04	2.000000
75%	78418.000000	3.349972e+08	3.271237e+06	758.000000	220002.000000	1.080000e+05	1.040000e+05	3.000000
max	104557.000000	4.871430e+08	3.072939e+09	1000.000000	380001.000000	2.295600e+06	2.294200e+06	6.000000
#开始清理数据
df.orderId.unique().size
df.orderId.size
#数据有重复值最后处理，删除可能会影响其他列的数据
#productId最小值为0，查看一下数据
df[df['productId'] == 0]
#177条数据对整体数据影响大不，最后进行删除处理
#查看price是否有空值并且将price单位为分转为元
df[df['price'].isnull()]
df['price'] = df['price'] / 100
#payMoney最小值为负数需要处理
df[df['payMoney']<0]
#删除小于0的值
df.drop(df[df['payMoney']<0].index,inplace=True)
df['payMoney'] = df['payMoney'] / 100
#查看channelId空值,删除空值
df[df['channelId'].isnull()]
df.drop(df[df['channelId'].isnull()].index,inplace=True)
#将createTime，payTime转换格式
df['createTime'] = pd.to_datetime(df['createTime'])
df['payTime'] = pd.to_datetime(df['payTime'])
#本次数据分析统计2016的数据
import datetime
startTime = datetime.datetime(2016,1,1)
endTime = datetime.datetime(2016,12,31,23,59,59)
#查看2016之前and2016年之后的数据并删除
df[df['createTime']<startTime]
df.drop(df[df['createTime']<startTime].index,inplace=True)
df[df['createTime']>endTime]
df.drop(df[df['createTime']>endTime].index,inplace=True)
df[df['payTime']<startTime]
#删除orderId重复值
df.drop(df[df['orderId'].duplicated()].index,inplace=True)
#删除productId == 0的值
df.drop(df[df['productId '] == 0].index,inplace=True)
#数据清洗完毕，开始分析
#分析数据可以从数据的维度和指标来考虑，一个维度可以分析多个指标
#分析商品销量的前10and后十个
productId_orderId = df.groupby('productId').count()['orderId'].sort_values(ascending=False)
productId_orderId.head(10)
productId
895    354
762    350
103    334
587    303
385    302
60     301
38     301
403    297
345    292
823    288
Name: orderId, dtype: int64
productId_orderId.tail(10)
productId
948     29
856     28
621     27
272     26
563     24
347     21
597     19
468     18
986     16
1000    13
Name: orderId, dtype: int64
#查询2016年商品销售额
productId_payMoney = df.groupby('productId').sum()['payMoney'].sort_values(ascending=False)
#商品销售额前10and后十个
productId_payMoney.head(10)
productId
385    42752210
61     36157200
103    34464120
405    33952500
720    32240510
345    32016220
698    31845860
182    29660000
383    28079000
396    26955600
Name: payMoney, dtype: int64
productId_payMoney.tail(10)
​productId
310     2287900
847     2286900
454     2253500
817     2250900
597     2184700
408     1811100
986     1478400
964     1423800
1000    1216900
347     1207000
Name: payMoney, dtype: int64
#查看销量后100and销售额后100的交集，如果销量和销售额都不行，可以考虑下架
productId_tail = productId_orderId.tail(100).index.intersection(productId_payMoney.tail(100).index)
productId_tail
Int64Index([ 847,  352,  806,    7,  145,  807,  460,  314,  318,  551,  586,
             599,  137,  577,  569,   91,  676,  874,  582,  303,  817,   27,
             868,  855,  590,  359,  242,  408,  218,  392,  964,   14,  104,
             985,  436,  629,  247,  220,  578,  579,  859,  958,  454,  227,
             310,  469,   16,  277,  478,  528,  948,  856,  621,  272,  347,
             597,  468,  986, 1000],
           dtype='int64', name='productId')
#分析各城市商品销量和销售额
cityId_orderId = df.groupby('cityId').count()['orderId'].sort_values(ascending=False)
cityId_orderId
cityId_payMoney = df.groupby('cityId').count()['payMoney'].sort_values(ascending=False)
cityId_payMoney
#分析什么价格的商品销量最高，把价格区间设置为100元并画图
bin = np.arange(100,25000,100)
bins = pd.cut(df['price'],bin)
count_price = df['price'].groupby(bins).count()
count_price.plot()
#按1000分桶分析
bin = np.arange(0,25000,1000)
bins = pd.cut(df['price'],bin)
count_price = df['price'].groupby(bins).count()
count_price.plot()
#根据下单时间分析
#创建小时维度的列
df['hour'] = df['createTime'].dt.hour
df.groupby('hour').count()['orderId'].plot()
#中午12-14点下单率最高，其次是晚上8点
#根据周几分析
#创建周几维度的列
df['dayofweek'] = df.createTime.dt.dayofweek
df.groupby('dayofweek').count()['orderId'].plot()
#一周之中周四周五周六下单最多
#商品推广可以根据下单率高的时间来进行
#分析用户创建订单后多久支付
df['paydate']=(df['payTime'] - df['createTime'])
df['paydate']
#大部分用户支付时间为十多分钟，说明用户购买目的明确，购买意愿强烈