【天池学习赛】淘宝母婴购物数据可视化分析

最新推荐文章于 2024-05-01 15:11:26 发布

JING_鱼

最新推荐文章于 2024-05-01 15:11:26 发布

阅读量1.5k

点赞数 1

文章标签：信息可视化 python 开发语言

本文链接：https://blog.csdn.net/m0_63190901/article/details/130982566

版权

数据预处理

导入需要的包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
import matplotlib
warnings.filterwarnings("ignore")
%matplotlib inline

读取数据

# 读取数据
df_trade = pd.read_csv('tianchi_mum_baby_trade_history.csv')
df_baby = pd.read_csv('tianchi_mum_baby.csv')
df_trade.head()
#df_baby.head()

商品交易信息表： tianchi_mum_baby_trade_history
字段说明
user_id 用户标识
auction_id 交易ID
category_1 商品一级类目ID
category_1 商品二级类目ID
buy_amount 购买数量
day 订单发生日期格式：YYYYMMDD
在这里插入图片描述
用户基本信息表： tianchi_mum_baby
字段说明
user_id 用户标识抽样&字段脱敏
birthday 婴儿出生日期由user_id填写，有可能不真实，格式：YYYYMMDD
gender 婴儿性别（0 男孩，1 女孩，2性别不明）由user_id填写，有可能不真实
在这里插入图片描述
合并数据并计算婴儿的年龄（这的年龄是指购买某一商品时，婴儿多少岁）

#合并
df_merge = pd.merge(df_trade,df_baby)
#将age和 birthday取出并转换成同种时间格式方便计算
df_merge['day'] = pd.to_datetime(df_merge['day'], format='%Y%m%d')
df_merge['birthday'] = pd.to_datetime(df_merge['birthday'], format='%Y%m%d')
#计算age,其中的参数 'timedelta64[Y]' 表示将时间差转换为以年为单位的浮点数,再转换成整型
df_merge['age'] = (df_merge['day'] - df_merge['birthday']).astype('timedelta64[Y]').astype('int32')
df_merge.head()

在这里插入图片描述
异常值处理
先观察这一系列数据的范围、大小等等，便于找到需要处理的异常值

df_merge.describe()

在这里插入图片描述

#为方便分析，过滤掉性别“未知”的数据条目
df_merge = df_merge[df_merge.gender != 2]
#保留婴儿年龄0~3岁的数据
df_merge = df_merge.loc[(df_merge['age'] >= 0) & (df_merge['age'] <= 3)]
df_merge.describe()

在这里插入图片描述

用户购物行为分析

sns.stripplot(x='category_1', y='age', hue='gender', jitter=0.3, dodge=True, data=df_merge, size=3)
plt.title("relationship between the age and gender of the buyer and the behavior of its users")
plt.xlabel("category_1")
plt.ylabel("age")
plt.show()

在这里插入图片描述
根据用户行为分析，产品28、50008168使用年龄跨度较大，都非常受0-3岁婴幼儿喜欢，且男女比例相当。产品38则偏向于0-1岁的婴幼儿，在2岁以后购买量显著减少。而产品50014815是面向于0-3岁的婴幼儿，但在2岁之后婴幼儿需求减少。产品50022520大部分购买者是0岁婴幼儿，在0岁以后购买量显著减少。产品122650008虽是面向于0-3岁的婴幼儿，但是整个类的产品购买量并不高。

商品类目分析

这里单独分析df_trade表

数据处理

1.调整表结构

# 将day转化为datetime类型：
df_trade['day'] = pd.to_datetime(df_trade.day.astype('str'))
# 因为后续我们会基于年、季、月来分析数据变化趋势，为方便起见，我们为df_trade表增加对应的字段：
df_trade['year'] = df_trade.day.dt.year
df_trade['quarter'] = df_trade.day.dt.quarter
df_trade['month'] = df_trade.day.dt.month
df_trade.head()

在这里插入图片描述
2.异常值处理

#这可以看到buy_mount 最大值10000
df_trade.buy_mount.describe()

在这里插入图片描述
显然不是普通用户购物的操作，我们对每次购买量做一个限制

df_trade = df_trade[(df_trade.buy_mount >= 1) & (df_trade.buy_mount <= 189)]
df_trade.buy_mount.describe()

在这里插入图片描述

类目情况分析

查看各列的统计信息

count_user = df_trade.user_id.nunique()
count_auction = df_trade.auction_id.nunique()
count_category_1 = df_trade.category_1.nunique()
count_category_2 = df_trade.category_2.nunique()
count_buy_mount = df_trade.buy_mount.sum()
print("用户数：", count_user)
print("交易数：", count_auction)
print("商品一级类目数：", count_category_1)
print("商品二级类目数：", count_category_2)
print("总销量：", count_buy_mount)

在这里插入图片描述
可以看到：本次抽样数据共包含6个商品大类（一级类目），662个商品二级类目。

3.查看商品大类的销售情况，看看每一类商品的销售总额

# 商品大类销售情况
category_1_stats = df_trade.groupby(by="category_1")['buy_mount'].sum()
sns.barplot(x=category_1_stats.index, y=category_1_stats.values)
plt.title("Sales Volume by Category")
plt.xlabel("Category_1")
plt.ylabel('Sales Volume')
plt.show()

在这里插入图片描述
可视化结果表明：大类中，类28和类50008168销售总额较高。

4.看看大类中各小类的情况：
每个大类下子类的数量：

# 一级类目下二级类别数量
category_2_stats = df_trade.groupby('category_1')['category_2'].nunique()
category_2_stats

在这里插入图片描述
大类下每个子类的平均销售贡献：

# 人均大类购买情况
ave_category_stats = (df_trade.groupby("category_1")['buy_mount'].sum() / df_trade.groupby("category_1")['category_2'].nunique())

sns.barplot(x=ave_category_stats.index, y=ave_category_stats.values)
plt.title("Average Sales Volume Stats by Category_2")
plt.xlabel("Category_1")
plt.ylabel("# Avg Contribution of Category_2")
plt.show()