【数据分析】店铺订货级别聚类分析1

一、业务需求和背景

业务需求：确定公司店铺的订货级别

业务背景：每个店铺的订货级别会有所区分，用以限制这些店铺的最高订货比例，防止订货过多，导致库存积压

二、需求拆解

利用历史数据，对现有店铺进行聚类，方便业务去划分订货级别

三、特征值确定

通过和业务讨论，确定2个基础特征值：销售业绩和补单率

---

四、数据导入和探索

1、数据导入

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline
import winreg
from sklearn.cluster import KMeans
def filename(x='text'):
    return get_desktop()+f'\\{x}.xlsx'
# 桌面获取，边框设计，列自适应等常用函数
def get_desktop():
    key = winreg.OpenKey(winreg.HKEY_CURRENT_USER,r'Software\Microsoft\Windows\CurrentVersion\Explorer\Shell Folders')
    return winreg.QueryValueEx(key, "Desktop")[0]
df=pd.read_excel(filename())

2、数据探索

df1=df.iloc[:,-2:] #取到数据的最后两列，即两个特征值
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"]=False
df.hist(figsize=(10,10)) #观测每个特征的分布
df1.plot.scatter(x=df1.columns[0],y=df1.columns[1]) #用散点图观测数据的分布

---

五、数据预处理

1、数据缺失值处理

df1.isnull().sum()/df1.shape[0]
df1=df1.dropna()

根据结果，发现仅有补单率有缺失，缺失占比在1%一下，和业务沟通后，进行直接删除的处理

---

未完待续