Python 某电子产品销售数据分析报告及RFM模型（三）

关注微信公共号：小程在线

整体数据

关注CSDN博客：程志伟的博客

data.head()
Out[46]: 
              order_id           product_id  ... buy_cnt  amount
0  2294359932054536986  1515966223509089906  ...       2  324.02
1  2294444024058086220  2273948319057183658  ...       2  155.04
2  2294584263154074236  2273948316817424439  ...       1  217.57
3  2295716521449619559  1515966223509261697  ...       1   39.33
4  2295740594749702229  1515966223509104892  ...       4 5548.04

[5 rows x 16 columns]

cnt = data.groupby('product_id').agg(销售总量=('buy_cnt','sum')).reset_index().sort_values('销售总量',ascending=False).reset_index(drop=True)
cnt.head(10)
Out[47]: 
            product_id  销售总量
0  1515966223517846928  2759
1  1515966223509106786  2597
2  1515966223509088532  2550
3  1515966223509088613  2549
4  1515966223509088567  2497
5  1515966223510174551  2370
6  1515966223509088521  2156
7  1515966223509104145  2037
8  1515966223509088639  1904
9  1515966223509117074  1797

cnt.describe(percentiles=(0.01,0.1,0.25,0.75,0.9,0.99))
Out[48]: 
                  product_id     销售总量
count               19053.00 19053.00
mean  1799977560495135232.00    28.12
std    381362937154169920.00    93.48
min   1515966223509088512.00     1.00
1%    1515966223509089280.00     1.00
10%   1515966223509118464.00     1.00
25%   1515966223509298688.00     2.00
50%   1515966223510604544.00     5.00
75%   2273948287155306752.00    19.00
90%   2309018263300237312.00    64.00
99%   2388434452476071936.00   359.00
max   2388434452476881920.00  2759.00

cnt[cnt.销售总量<10]
Out[49]: 
                product_id  销售总量
6984   1515966223510210803     9
6985   1515966223510177837     9
6986   1515966223510338401     9
6987   1515966223509117524     9
6988   1515966223509106104     9
                   ...   ...
19048  2273948297037087392     1
19049  1515966223510071726     1
19050  2273948297011921539     1
19051  2273948297011921538     1
19052  2388434452476881700     1

[12069 rows x 2 columns]

amount = data.groupby('product_id').agg(销售总额=('amount','sum')).reset_index().sort_values('销售总额',ascending=False).reset_index(drop=True)
amount.head(10)
Out[50]: 
            product_id       销售总额
0  1515966223509088567 2138006.31
1  1515966223509088671 1540314.88
2  1515966223509089284 1062128.50
3  1515966223509088628 1007196.96
4  1515966223509088509  921041.65
5  1515966223509089438  850236.39
6  1515966223509088532  767295.00
7  1515966223509104892  760081.48
8  1515966223509105893  739893.40
9  1515966223509088639  661068.80

amount.describe(percentiles=(0.01,0.1,0.25,0.75,0.9,0.99))
Out[51]: 
                  product_id       销售总额
count               19053.00   19053.00
mean  1799977560495128832.00    6035.09
std    381362937154172288.00   35954.79
min   1515966223509088512.00       0.00
1%    1515966223509089280.00       0.46
10%   1515966223509118464.00       8.24
25%   1515966223509298688.00      52.80
50%   1515966223510604544.00     323.10
75%   2273948287155306752.00    1909.49
90%   2309018263300237312.00    9436.11
99%   2388434452476071936.00  100748.55
max   2388434452476881920.00 2138006.31

cnt_category = data[data.category_code != 'R'].groupby('category_code').agg(销量=('buy_cnt','sum')).reset_index().sort_values('销量',ascending=False).reset_index(drop=True)
cnt_category.head(10)
Out[52]: 
                      category_code      销量
0            electronics.smartphone  102169
1                computers.notebook   25860
2  appliances.kitchen.refrigerators   20020
3       electronics.audio.headphone   19739
4              electronics.video.tv   17623
5     appliances.environment.vacuum   15906
6         appliances.kitchen.washer   14163
7         appliances.kitchen.kettle   11869
8       computers.peripherals.mouse   10146
9           furniture.kitchen.table    9659

brand_5 = data[data.category_code=='electronics.smartphone'].groupby('brand').agg(销量=('buy_cnt','sum')).reset_index().sort_values('销量',ascending=False)
brand_5.reset_index(drop=True,inplace=True)
brand_5.head(5)
Out[53]: 
     brand     销量
0  samsung  51376
1    apple  23365
2   xiaomi   8328
3   huawei   7738
4     oppo   6876

brand_5['销量'].sum()
Out[54]: 102169

plt.pie(data=brand_5.head(5)
        ,x='销量'
        ,labels='brand'
        ,autopct='%.1f%%'
        ,textprops={'fontsize':12, 'color':'k'} # 设置文本标签的属性值
        ,radius=2
        )
plt.show()

 

user_samsung = data_.loc[(data_['brand']=='samsung') & (data_['category_code']=='electronics.smartphone')]
user_samsung.head()
Out[56]: 
               order_id           product_id  ... amount   age_bin
14  2297770405059888020  1515966223509088578  ... 300.90  (25-30]岁
17  2297896107595793042  1515966223509104759  ... 300.90  (40-45]岁
21  2297988436574864215  1515966223509089486  ... 115.72  (45-50]岁
27  2297993157859606924  1515966223509089076  ... 161.78  (35-40]岁
30  2297995500990759592  1515966223509104759  ... 300.90  (45-50]岁

[5 rows x 17 columns]

user_samsung.groupby('age_bin').agg(销量=('buy_cnt','sum'))
Out[57]: 
            销量
age_bin       
(15-20]岁  7273
(20-25]岁  7125
(25-30]岁  7320
(30-35]岁  7593
(35-40]岁  6774
(40-45]岁  7651
(45-50]岁  7640

user_samsung.groupby('sex').agg(销量=('buy_cnt','sum'))
Out[58]: 
        销量
sex       
女    25477
男    25899

local_brand = user_samsung.groupby('local').agg(销量=('buy_cnt','sum')).sort_values('销量',ascending=False)
local_brand
Out[59]: 
          销量
local       
广东     11491
上海      8635
北京      8356
四川      3231
湖南      3120
海南      2874
重庆      2851
浙江      2828
江苏      2717
天津      2684
湖北      2589

plt.pie(x=local_brand['销量'].values
        ,labels=local_brand.index
        ,autopct='%.1f%%'
        ,textprops={'fontsize':12, 'color':'k'} # 设置文本标签的属性值
        ,counterclock = False # 是否逆时针，这里设置为顺时针方向
        ,startangle = 90 # 设置饼图的初始角度
        ,radius=2
        )
plt.show()

user_apple = data_.loc[(data_['brand']=='apple') & (data_['category_code']=='electronics.smartphone')]
user_apple.head()
Out[61]: 
                order_id           product_id  ...  amount   age_bin
4    2295740594749702229  1515966223509104892  ... 5548.04  (20-25]岁
35   2298002125248004522  2273948241915544394  ...  346.97  (20-25]岁
121  2298085777554276936  1515966223509123272  ...  242.80  (40-45]岁
129  2298091624959311994  1515966223509089754  ...  208.31  (20-25]岁
192  2298165996101304765  1515966223509089406  ... 1433.54  (30-35]岁

[5 rows x 17 columns]

user_apple.groupby('age_bin').agg(销量=('buy_cnt','sum'))
Out[62]: 
            销量
age_bin       
(15-20]岁  3190
(20-25]岁  3322
(25-30]岁  3429
(30-35]岁  3480
(35-40]岁  3246
(40-45]岁  3316
(45-50]岁  3382

user_apple.groupby('sex').agg(销量=('buy_cnt','sum'))
Out[63]: 
        销量
sex       
女    11655
男    11710

local_brand_apple = user_apple.groupby('local').agg(销量=('buy_cnt','sum')).sort_values('销量',ascending=False)
local_brand_apple
Out[64]: 
         销量
local      
广东     5265
北京     3831
上海     3830
海南     1408
湖南     1333
四川     1328
天津     1320
江苏     1309
重庆     1265
浙江     1245
湖北     1231

plt.pie(x=local_brand_apple['销量'].values
        ,labels=local_brand_apple.index
        ,autopct='%.1f%%'
        ,textprops={'fontsize':12, 'color':'k'} # 设置文本标签的属性值
        ,counterclock = False # 是否逆时针，这里设置为顺时针方向
        ,startangle = 90 # 设置饼图的初始角度
        ,radius=2
        )
plt.show()