基于bokeh的数据分析——电商套路解析

最新推荐文章于 2024-01-10 11:38:42 发布

地_表_最_强

最新推荐文章于 2024-01-10 11:38:42 发布

阅读量373

点赞数 1

文章标签：大数据数据可视化

本文链接：https://blog.csdn.net/m0_47027405/article/details/106002897

版权

通过数据处理，分析了商品在双十一期间的销售节奏和打折情况。商品分为7类，揭示了不同销售策略。真打折商品占一定比例，其中部分品牌打折力度大，如相宜本草、佰草集、自然堂。使用bokeh进行数据可视化，展示品牌类型与折扣力度的关系。

摘要由CSDN通过智能技术生成

项目目标
一：从现有数据中，分析出“各个品牌都有多少商品参加了双十一活动
导入模块

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

import warnings
warnings.filterwarnings('ignore')

from bokeh.plotting import figure,show,output_file
from bokeh.models import ColumnDataSource

导入双十一电商打折套路解析数据集，并进行基本的数据处理

import os
os.chdir('E:/Python数据分析电商打折套路解析')
df=pd.read_excel('双十一淘宝美妆数据.xlsx',sheet_name=0)
df.fillna(0,inplace=True)
df.index=df['update_time']
df['date']=df.index.day

对数据进行筛选，统计不同商品的销售开始，结束日期

data1=df[['id','title','店名','date']]#筛选数据
d1=data1[['id','date']].groupby(by='id').agg(['min','max'])['date']#统计不同商品的的销售开始，结束日期

id_11=data1[data1['date']==11]['id']#筛选双十当天买的商品id
id_11=data1[data1['date']==11]['id']
d2=pd.DataFrame({
   'id':id_11,'双十一当天是否售卖':True})
id_data=pd.merge(d1,d2,left_index=True,right_on='id',how='left')
id_data.fillna(False,inplace=True)
m=len(d1)
m_11=len(id_11)
m_pre=m_11/m
d2=pd.DataFrame({
   'id':id_11,'双十一当天是否售卖':True})

按照商品销售节奏分类，我们可以将商品分为7类
A. 11.11前后及当天都在售 → 一直在售
B. 11.11之后停止销售 → 双十一后停止销售
C. 11.11开始销售并当天不停止 → 双十一当天上架并持续在售
D. 11.11开始销售且当天停止 → 仅双十一当天有售
E. 11.5 - 11.10 → 双十一前停止销售
F. 仅11.11当天停止销售 → 仅双十一当天停止销售
G. 11.12开始销售 → 双十一后上架

d2=pd.DataFrame({
   'id':id_11,'双十一当天是否售卖':True})
id_data['type']='待分类'
id_data['type'][(id_data['min']<11)&(id_data['max']>11)]='A'
id_data['type'][(id_data['min']<11)&(id_data['max']==11)]='B'
id_data['type'][(id_data['min']==11)&(id_data['max']>11)]='C'
id_data['type'][(id_data['min']==11)&(id_data['max']==11)]='D'
id_data['type'][id_data['max']<11]='E'
id_data['type'][id_data['双十一当天是否售卖']==False]='F'
id_data['type'][id_data['min'