订单数据分析-实战

avagogogo

于 2020-10-11 16:46:56 发布

阅读量6k

点赞数 3

文章标签：数据分析数据可视化

本文链接：https://blog.csdn.net/ava_zhang2017/article/details/108812907

版权

本文介绍了京东2020年5月25日10%的订单数据，涉及数据清洗，如处理缺失值和逻辑错误。分析思路包括数据监控，如通过可视化报表监测订单关键指标，以及使用不同图表类型，如柱状图、条形图、饼图等展示数据。在具体操作中，通过宏观和微观分析揭示订单的特征和趋势，如订单价格累积分布和地区、时间维度的拆分分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 京东订单数据准备

1.1 京东订单数据介绍

2020年5月25日
10%抽样数据
大家电-家用电器-冰箱
70K+

1.2 数据清洗

缺失值处理
用户城市和省份信息有部分缺失，部分订单的订单中支付时间为空值
数据逻辑错误
格式内容一致性

import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns 
from scipy import stats
from matplotlib.ticker import FuncFormatter
plt.rcParams['font.sans-serif']=['SimHei']

import warnings
warnings.filterwarnings('ignore')
order = r"/Users/zhangqin/Documents/python学习/笔记整理/京东数据分析/课件/京东订单实战/course_order_d.csv"
df = pd.read_csv(order,sep='\t', encoding="utf-8", dtype=str)
#查看缺失值
df.isnull().sum().sort_values(ascending = False)

在这里插入图片描述

#转换数据类型
df["sale_qtty"] = df["sale_qtty"].astype("int")
df["sale_ord_valid_flag"] = df["sale_ord_valid_flag"].astype("int")
df["cancel_flag"] = df["cancel_flag"].astype("int")
df["self_ord_flag"] = df["self_ord_flag"].astype("int")
df['before_prefr_unit_price'

最低0.47元/天解锁文章