电商交易数据分析

学习完Python，做个数据分析小案例练习一下

数据来自网上、可能并非真实案例、只是记录一下自己的学习过程哦！

# 加载数据分析需要使用的库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 加载数据，加载之前先用文本编辑器看下数据的格式，首行是什么，分隔符是什么
df = pd.read_csv('./order_info_2016.csv', index_col='id')
df.head()

# 加载好数据之后，第一步先分别使用describe和info方法看下数据的大概分布
df.describe()
df.info()

通过前面几条数据看下大致的分布

# 加载device_type
device_type = pd.read_csv('./device_type.txt')
device_type

首先要做一个数据的清洗

# order_idz
# order_id在一个系统里是唯一值
# 先看下有没有重复值
# 注意：当对一列取size属性的时候，返回的是行数，如果对于dataframe使用size，返回的是行乘以 列的结果，也就是总的元素数
df.orderId.unique().size
df.orderId.size
# 如果有重复值，一般后处理，因为其他的列可能会影响到删除哪一条重复的记录
# 先处理其他的列

对order_Id 处理的结果为 104530 104557 有重复的记录

# userId
# userId我们只要从上面的describe和info看下值是不是在正常范围就行了
df.userId.unique().size  #结果为102672、对于订单数据，一个用户有可能有多个订单，重复值是合理的
# productId
# productId小值是0，先来看下值为0的记录数量
df.productId[(df.productId == 0)].size
# 177条记录，数量不多，可能是因为商品的上架下架引起的，处理完其他值的时候我们把这些删掉

# cityId
# cityId类似于userId，值都在正常范围，不需要处理
df.cityId.unique().size
# price
# price没有空值，且都大于0，注意单位是分，我们把它变成元
df.price = df.price / 100

# payMoney
# payMoney有负值，我们下单不可能是负值，所以这里对于负值的记录要删除掉
# 展示负值的记录
df[df.payMoney < 0]
# 删除负值的记录
df.drop(index=df[df.payMoney < 0].index, inplace=True)
# 在看下，已经没有了
df[df.payMoney < 0].index
# 变成元
df.payMoney = df.payMoney / 100

# channelId
# channelId根据info的结果，有些null的数据，可能是端的bug等原因，在下单的时候没有传 channelId字段
# 数据量大的时候，删掉少量的null记录不会影响统计结果，这里我们直接删除
# 展示
df[