超市经营分析

超市经营分析

1、分析背景
针对国外一家超市各个门店2019年1~3月运营数据进行经营分析
打开数据源，拥有字段17个，具体的分析方向以超市运营与数据源字段所包含的信息来展开（超市销售不包含客户id，分析依据以人次计量）：

数据源链接：https://www.kaggle.com/aungpyaeap/supermarket-sales

2、明确问题
超市的经营的好坏与否和商品的售卖情况密切相关，好的商品销售能够带来巨大的利润，销售的本质永远围绕着人、货、场三个核心，围绕这三个核心，我们对以下问题进行数据分析，分析公司的整体运营情况，提出合理化的建议，提升公司营收的目的。
1、企业整体的运营情况分析 ，了解运营情况。
2、商品结构分析，了解各种商品的销售情况，找出消费者偏爱的商品，那些商品带来更多的营收，那些商品能够带来更多的客户流量。
3、客户价值分析，了解客户结构，会员用户与普通用户的消费偏爱，女性消费者与男性消费者的消费习惯，如何使普通用户转化为会员用户。

分析思路：
1、企业整体运营状况，运用多维度拆解，从销售额，利润，净利润，不同区域门店销售情况，了解企业运营现状。
2、商品结构分析，运用对比法从销售额进行分析。
3、客户画像分析，从整体角度了解客户结构，从是否为会员、性别、付款方式，客户评分等判断。
3、理解数据
数据源共17个字段，是某企业超市3月销售数据
1、导入数据

#导入模块
import numpy as np
import pandas as pd
from datetime import datetime
from matplotlib import pyplot as plt
from pylab import mpl

#设置字体、路径、读入
mpl.rcParams['font.sans-serif'] = ['SimHei'] # SimHei是黑体的意思
path = 'D:/supermarket_sales - Sheet1.csv'
data = pd.read_csv(path,sep=',')

2、查看数据集的信息，包括描述统计信息，从整体上理解数据

print(data.head())	#数据源字段过多，利用iloc()采用四次索引完全展示数据
print(data.index)
print(data.shape)
print(data.columns)

数据源共17个字段，有1000行，利用data.dtypes查看数据类型

4、数据清洗
为了方便理解，将字段重命名，并去除无用字段（税费统一为售价5%）。

mapping = {
   }
for i,j in zip(['Invoice ID', 'Branch', 'City', 'Customer type', 'Gender',
       'Product line', 'Unit price', 'Quantity', 'Tax 5%', 'Total', 'Date',
       'Time', 'Payment', 'cogs', 'gross margin percentage', 'gross income',
       'Rating'],['发票编号','超市分支','市区','客户类型','性别','商品分类组',
             '单价','数量','税费','收入','购买日期','购买时间','付款方式','销货成本','毛利率',
            '净收入','客户评分']):
    mapping[i] = j
data.rename(columns=(mapping),inplace=True)
print(data.columns)
data = data.drop(<