电商销售数据分析项目

电商销售数据分析项目

说明：项目通过jupter notebook。使用pandas，numpy，matplotlib等第三方库对某电子产品数据进行不同角度和指标上的分析。

数据连接：

链接: https://pan.baidu.com/s/1c3nRiGrx66RDPY93SUpWEA
提取码：2h89

导入库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

#设置中文编码和负号的正常显示
plt.rcParams['font.family']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False

1、导入数据

# 导入数据（将数据集命名为df），显示数据的前5行
df = pd.read_csv('E:/PythonData/电子产品销售分析.csv')
df.head()

2、查看每列数据的统计

# 查看统计数据
df.describe()

3、将evenet_time列数据类型转为日期

#数据清洗和处理 、通过切片提取时间
#数据类型转化 
df['event_time'] = pd.to_datetime(df['event_time'].str[:19], format="%Y-%m-%d %H:%M:%S")

# 显示所有数据信息，时间类型为datetime64
df.info()

4、增加月、日、时间列

#计算时间变量,分别提取时间中的 月，天，小时
df['Month'] = df['event_time'].dt.month
df['Day'] = df['event_time'].dt.day
df['hour'] = df['event_time'].dt.hour

df.head()

5、查看数据缺失值情况

df.isnull().sum()

6、将有缺失项的两列用missing填充

# 用字符串missing代替缺失值
df['category_code'].fillna('missing',inplace=True)
df['brand'].fillna('missing',inplace=True)

# 再次查看缺失值
df.isnull().sum()

7、删除重复值

#重复值检查和处理
df.duplicated()

# 删除重复值
df.drop_duplicates()

8、画出每月成交订单数量折线图

# 创建图像
plt.figure(figsize=(10,6))

# 成交（price>0），每月的订单数量，对月份进行分组，对用户id进行计数
plt.plot(df[df['price']>0].groupby('Month')['user_id'].count())

# 调整刻度
plt.xticks(range(12)[::1])

# 添加标注
plt.xlabel('月份')
plt.ylabel('订单数量')

# 增加标题
plt.title('每月订单数量')

9、画出每月成交订单金额折线图

# 创建图像
plt.figure(figsize=(10,6))

# 成交（price>0），每月的成交额，对月份进行分组，对价格求和聚合
plt.plot(df[df['price']>0].groupby('Month')['price'].sum())


# 调整刻度
plt.xticks(range(12)[::1])

# 添加标注
plt.xlabel('月份')
plt.ylabel('订单金额')

# 增加标题
plt.title('每月订单金额')

总结：

从1到8月份，订单数量与订单金额呈上升趋势，8月份达到顶峰，之后的月份开始逐渐下降。

10、每月消费人数的折线图

#创建图形
plt.figure(figsize=(10,6))

# 对月份进行分组，对用户id进行去重计数聚合
plt.plot(df[df['price']>0].groupby('Month')['user_id'].nunique(), linestyle='--', color='g')

# 调整刻度
plt.xticks(range(12)[::1])

# 添加标注
plt.xlabel('月份')
plt.ylabel('消费人数')

# 添加标题
plt.title('每月消费人数')

# 显示图形
plt.show()

11、不同省份用户数量的柱状图

# 创建图形
plt.figure(figsize=(10,6))

# price>0的行，对不同地区进行分组。返回去用户id去重后的个数（返回的是唯一值的个数），并对个数进行升序操作
df[df['price']>0].groupby('local')['user_id'].nunique().sort_values(ascending=True).plot.bar()

# 添加标注
plt.xlabel('省份')
plt.ylabel('用户数量')

# 添加标题
plt.title('不同省份用户数量')

# 显示图形
plt.show()

12、不同省份订单数量的水平柱状图

# 绘制图形
plt.figure(figsize=(10,6))

# 对省份进行分组，对用户id进行计数聚合，并对个数大小进行升序排列
df[df['price']>0].groupby('local')['order_id'].count().sort_values(ascending=True).plot.barh()

# 添加标注
plt.xlabel('订单数量')
plt.ylabel('省份')

# 添加标题
plt.title('不同省份订单数量')

#显示图形
plt.show()

总结：

由上两张图可知，广东省的用户数量和订单数量都是最多。其次为上海，和北京等的经济较为发达的城市。其余省份都处于一个较低的水平。

13、下单时间与订单数量变化折线图

# 创建图形
plt.figure(figsize=(10,6))

# 对小时进行分组，对订单id进行计数聚合，绘制出折线图
df[df['price']>0].groupby('hour')['order_id'].count().plot()

# 添加标注
plt.xlabel('小时')
plt.ylabel('订单数')

# 添加标题
plt.title('订单随小时数变化')

# 显示图形
plt.show()

总结：

由上图可知：在0到10点的下单数量为持续上升的趋势，在10点达到峰值，之后的时间呈下降趋势。

14、查看未完成订单的数量

# 未完成订单，意味着价格为0
df[df['price']==0].count()     # 结果显示有39个订单未完成

15、消费次数与消费金额关系的散点图

#消费次数与消费金额的关系
# 创建图形
plt.figure(figsize=(10,6))

# 绘制散点图，x轴表示对id进行分组，对订单id进行计数聚合。y轴表示对用户id进行分组，对金额进行求和聚合
plt.scatter(x=df[df['price']>0].groupby('user_id')['order_id'].count(),
            y=df[df['price']>0].groupby('user_id')['price'].sum())

#添加标签
plt.xlabel('消费次数')
plt.ylabel('消费金额')

# 添加标题
plt.title('消费次数与消费金额关系')

# 显示图形
plt.show()

总结：

消费金额与消费次数呈正相关上升的趋势。

16、用户男女人数对比扇形图

df_sex = df['sex'].value_counts()   # 计算不同数或是字符串出现的个数

# 只筛选出订单成交的行
df = df[df['price']>0]

# 创建图形
plt.figure(figsize=(8,8))

# 绘制饼图
plt.pie(df_sex.values, labels=df_sex.index, autopct='%.2f%%',
       wedgeprops={'linewidth':0.5,'edgecolor':'green'},
       textprops={'fontsize':20,'color':'#003371'}
       ) 

# 添加标题
plt.title('男女占比', size=20)

# 显示图形
plt.show()

17、年龄分布直方图

plt.figure(figsize=(10,6),dpi=80)

# 注意设置每个矩形的边缘颜色
plt.hist(df['age'], bins=10, color='steelblue', edgecolor='k', label='年龄', alpha=0.5)

plt.tick_params(top='off', right='off')

# 添加标注
plt.xlabel('年龄')

# 添加标题
plt.title('年龄分布直方图')

# 显示图形
plt.show()

18、将年龄离散化，增加一列age_box

bins = [10,20,30,40,50]

# 将年龄分布成4个区间
labels = ['10-20','20-30','30-40','40-50']
df['age_box'] = pd.cut(df['age'], bins, labels=labels)

# 对四个不同的区间人计数
age_box = df['age_box'].value_counts()[labels]
age_box

19、不同年龄段与购买数量的关系，画出柱状图

# 创建图形
plt.figure(figsize=(10,6))

# 绘制柱状图
plt.bar(labels, age_box.values, color='#cb3a56')

# 添加标注
plt.ylabel('购买数量', size=22)
plt.xlabel('年龄分段', size=22)

# 调整刻度
plt.xticks(size=18)
plt.yticks(size=18)

# 添加标题
plt.title('不同年龄分段的购买情况', size=25)

# 显示图形
plt.show()

总结：

由上图，10-20年龄段的人购买数量最少，其余的居多。40-50岁对应的购买数量是最多的。