电商数据分析案例

题目：电商数据分析案例

数据集来源

本数据集来自kaggle，数据集链接如下：
https://www.kaggle.com/carrie1/ecommerce-data

分析目的：了解该电商平台的销售情况（该网站是一个以批发为主的电商平台）

分析思路框架：

1、产品维度
2、顾客维度
3、时间维度

查看数据集信息

import pandas as pd
import os
import matplotlib.pyplot as plt
os.chdir("F:\jupyter\E-commerce-data")

data = pd.read_csv("data.csv",encoding="ISO-8859-1")

data.head()

	InvoiceNo	StockCode	Description	Quantity	InvoiceDate	UnitPrice	CustomerID	Country
0	536365	85123A	WHITE HANGING HEART T-LIGHT HOLDER	6	12/1/2010 8:26	2.55	17850.0	United Kingdom
1	536365	71053	WHITE METAL LANTERN	6	12/1/2010 8:26	3.39	17850.0	United Kingdom
2	536365	84406B	CREAM CUPID HEARTS COAT HANGER	8	12/1/2010 8:26	2.75	17850.0	United Kingdom
3	536365	84029G	KNITTED UNION FLAG HOT WATER BOTTLE	6	12/1/2010 8:26	3.39	17850.0	United Kingdom
4	536365	84029E	RED WOOLLY HOTTIE WHITE HEART.	6	12/1/2010 8:26	3.39	17850.0	United Kingdom

数据集共有8个变量，分别为订单编号、产品编号、产品描述、购买数量、购买时间、产品单价、顾客ID、顾客所在地区

数据预处理

数据缺失值处理

data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 541909 entries, 0 to 541908
Data columns (total 8 columns):
 #   Column       Non-Null Count   Dtype  
---  ------       --------------   -----  
 0   InvoiceNo    541909 non-null  object 
 1   StockCode    541909 non-null  object 
 2   Description  540455 non-null  object 
 3   Quantity     541909 non-null  int64  
 4   InvoiceDate  541909 non-null  object 
 5   UnitPrice    541909 non-null  float64
 6   CustomerID   406829 non-null  float64
 7   Country      541909 non-null  object 
dtypes: float64(2), int64(1), object(5)
memory usage: 33.1+ MB

更改ID的数据类型

data["CustomerID"] = data["CustomerID"].astype("str")

产品描述和顾客ID有缺失变量，由于本次分析不涉及产品描述，故将其删掉。缺失的顾客ID用unknown表示

data = data.drop(["Description"],axis = 1)
data["CustomerID"] = data["CustomerID"].fillna("unknown")

处理重复值

data.duplicated().sum()

5270

data = data.drop_duplicates()

处理异常值

data.describe()

	Quantity	UnitPrice
count	536639.000000	536639.000000
mean	9.619500	4.632660
std	219.130206	97.233299
min	-80995.000000	-11062.060000
25%	1.000000	1.250000
50%	3.000000	2.080000
75%	10.000000	4.130000
max	80995.000000	38970.000000

产品数量为负表示退货，产品单价为负没有意义，为异常值

data[data["UnitPrice"]<0].count()

InvoiceNo      0
StockCode      0
Quantity       0
InvoiceDate    0
UnitPrice      0
CustomerID     0
Country        0
dtype: int64

data = data[data["UnitPrice"]>=0]

data[data["UnitPrice"]==0].count()

InvoiceNo      2515
StockCode      2515
Quantity       2515
InvoiceDate    2515
UnitPrice      2515
CustomerID     2515
Country        2515
dtype: int64

单价为0的产品可能是赠品

变量处理

data["Total"]=data["Quantity"]*data["UnitPrice"]

data[["Date","Time"]]=data["InvoiceDate"].str.split(" ",expand=True)

data[["Month","Day","Year"]] = data["Date"].str.split("/",expand=True)

data["Hour"]=data["Time"].str.split(":",expand=True)[0].astype("int")

将数据集分为两部分，一部分是产品购买信息，一部分是退货信息

data_buy = data[data["Quantity"] >= 0]
data_return = data[data["Quantity"] < 0]

数据分析

PART ONE 产品维度

Question 1: 最热卖的产品是哪些？退货最多的产品是哪些？