python数据分析-数据分析流程、方法以及实例实战-在线零售业务的交易数据分析实战

数据分析流程

• 明确问题：明确问题是数据分析中的第一步，必须明确数据分析的真实需求
• 理解数据：数据获取和数据探索
• 数据清洗：一个数据分析项目大部分时间花在数据清洗上
• 数据分析和可视化：对清洗后的数据进行分析，并且通过可视化展示出结果
• 结论和建议:对结果进行解读，得出有价值的结论并且提出相关建议。

数据分析方法

• 常用统计方法，例如计算常用统计量和构建相关指标
• 图表法，通过各种图形结合来展示数据里面信息
• 机器学习算法，对于复杂的分析，会涉及到模型构建

接下来实战！
第一个例子是使用国外的在线零售业务的交易数据，数据下载地址

现在以表格的形式解释一下里面的字段：

字段	说明
InvoiceNo	订单编号，含有6个整数，退货订单编号开头有字母C
StockCode	产品编号，由5个整数构成
Description	产品描述
Quantity	产品数量，有负号表示退货
InvoiceDate	订单日期和时间
UnitPrice	单位 英镑 单位产品的价格
CustomerID	客户编号，由5位数字组成
Country	国家的名称 每个客户所在的国家/地区的名称

首先我们明确分析分析的目的

1. 购买商品数量前十的国家是哪些
2. 交易额前十的国家是哪个
3. 哪些月的销量较佳
4. 客单价多少（销售额/顾客数）
5. 用户消费行为分析

• 购买商品数量前十的国家是哪些

#购买商品数量前10的国家
result1 = data_copy[data_copy['Quantity']>0].groupby('Country').sum()['Quantity'].sort_values(ascending=False).head(10)
#可视化---购买商品数量前10的国家
batdata = go.Bar(x=result1.index.tolist(),y=result1.values