【Python】物流行业数据分析与可视化案例

一，前言

        在本文中，我将使用python语言基于Jupyter notebook对这一份物流行业数据集进行多维度数据分析，文章内容参考自b站马士兵《数据分析五大经典实战项目》教学视频，并对其中一些操作做出优化。

        数据集下载地址：物流行业数据分析 - Heywhale.com

        数据集若涉及侵权，请联系删除，谢谢！

 二，数据导入与数据梳理

        <1> 第三方库与数据导入

# 1，导包
import pandas as pd
import numpy as np
# 2,数据导入
data = pd.read_csv("D:/DataSet/data_wuliu.csv", encoding="gbk")

        <2> 查看数据前十行可以发现三点：

1.         数据中存在缺失值
2.        " 订单行" 这一列对于数据分析没有实质意义，可以考虑删除
3.         销售金额单位不统一

         <3> 使用df.info()方法进一步查看数据的类型与缺失情况

        通过输出信息我们能够发现：

        1，数据中虽然存在缺失值，但是缺失值所占的比例非常少，因此我们可以将缺失值进行删除处理；

        2，销售金额、销售时间、交货时间为字符串类型，后续我们需要将其进行类型转换

三，数据清洗

         <1> 缺失值处理

        由于在数据梳理的过程中发现缺失值较少，因此我们对缺失值直接采用删除的方式进行处理

# -- 缺失值处理 --
data.dropna(inplace=True)

        <2> 重复值处理

        重复值对于我们数据分析是无用的，因此我们无需查看，直接将其删除即可

# -- 重复值处理 --
data.drop_duplicates(inplace=True)

        <3> 数据类型处理

        在本案例中，我们发现销售时间、交货时间、销售金额等列均为字符串类型，这是不利于我们后续进行数据分析操作的，因此要对其进行数据类型处理。将销售时间、交货时间转换为时间类型数据，而销售金额则转换为整型数据

# -- 数据类型处理 --
data.销售时间 = pd.to_datetime(data.销售时间)
data.交货时间 = pd.to_datetime(data.交货时间)

# --对字符串进行处理（可以写成链式）
data.销售金额 = data.销售金额.map(lambda x: x.replace(",", ""))
data.销售金额 = data.销售金额.map(lambda x: x.replace("万元", "0000"))
data.销售金额 = data.销售金额.map(lambda x: x.replace("元", ""))
# -- 转换类型
data.销售金额 = data.销售金额.astype("int64")

        <4> 异常值处理

        之所以现在才开始处理异常值，是因为在之前我们还未对销售金额类型进行处理，不利于我们查看异常值的情况

        1，对数值类型数据进行分析

        如下图所示，我们通过观察销售金额与数量这两列可以得出：

•         存在异常值，即销售金额为0
•         数据呈现很严重的右偏分布，从数量那一列中即可看出，第3/4位数为4，但是平均值却高达76。不过在电商领域中这属于正常现象，符合二八定律（即百分之二十的用户贡献了百分之八十的销售量），因此无需处理

         2，对异常值进行