电商用户购买行为数据分析

1 相关背景

数据来源：该数据集来自The UCI Machine Learning Repository
数据背景：该数据集是英国某电商在2年内的全部在线销售数据，该电商主要销售独特的全时礼品，多数客户是批发零售商。该类产品的销售不需要太多的售前服务，消费也具有一定的频次。
分析目的：从海量购买数据中，挑选出优质客户？对客户进行细分并提出具有针对性的业务策略。

2 理解数据

1） 数据大小：1067371行数据，8个字段
2） 时间节点：2009年12月1日~2011年12月9日
3） 数据来源：点击下载
4） 字段说明：

字段名	说明
InvoiceNo	发票编号。每个交易分配唯一的6位整数。如果此代码以字母 “C” 开头，则表示已取消。
StockCode	产品编号。每个不同产品分配唯一的5位整数。
Description	产品名称、描述。
Quantity	每笔交易中每个产品（项目）的数量。
InvoiceDate	发票日期和时间。生成交易的日期和时间。
UnitPrice	单价。单位产品的价格，货币单位为英镑。
CustomerID	客户编号。每个客户分配唯一的5位整数。
Country	国家名称。客户居住国家或地区的名称。

3数据清洗

3.1 导入数据

原数据集是以Excel表格的形式保存的，需要先另存为csv格式，再导入PostgreSQL数据库。

--创建表
CREATE TABLE online
(Invoice VARCHAR(8) NOT NULL,
StockCode VARCHAR(15),
Description VARCHAR(52),
Quantity NUMERIC,
InvoiceDate DATE,
Price NUMERIC,
Customer_ID VARCHAR(12),
Country VARCHAR(30));

将online.csv 导入表

COPY online ( Invoice, StockCode, Description, Quantity, InvoiceDate, 
Price, Customer_ID, Country ) from 'D:\online.csv' WITH CSV HEADER;

查看表的前5行

SELECT * FROM online LIMIT 5;

3.2 去除重复数据

创建一个临时表，保存去除重复记录后的数据

CREATE TABLE new_table AS SELECT DISTINCT * FROM online;

原有数据1067371条，去重后数据1033034条，删除重复值34337条。

--删除旧的表
DROP TABLE online;
--将新的表重命名
ALTER TABLE new_table RENAME TO online;

3.3缺失值处理

查看缺失值的数量

SELECT SUM(CASE WHEN invoice IS NULL THEN