第十三篇实习日记

最后一个项目——超市电商数据分析

数据源概况：

• 本案例将对某大型超市的零售数据进行数据分析，通过了
  解运营状况，做出合理的决策。详细字段是：
  Row ID:行编号；
  Order ID:订单ID；
  Order Date:订单日期；
  Ship Date:发货日期；
  Ship Mode:发货模式；
  Customer ID:客户ID；
  Customer Name:客户姓名；
  Segment:客户类别；
  City:客户所在城市；
  State:客户城市所在州；
  Country:客户所在国家；
  Postal Code:邮编；
  Market:商店所属区域；
  Region:商店所属州；
  Product ID:产品ID；
  Category:产品类别；
  Sub-Category:产品子类别；
  Product Name:产品名称；
  Sales:销售额；
  Quantity:销售量；
  Discount:折扣；
  Profit:利润；
  Shipping Cost:发货成本；
  Order Priority:订单优先级；

读取、清洗数据：

1. 使用pandas的read_csv读取数据后，查看各列数据的空值情
   况，发现Postal Code字段（邮编字段）有空值，而且这一
   列不重要，所以首先删除掉Postal Code列；
2. 使用DataFrame对象的describe()方法，没有发现异常数
   据，所以，不必处理；
3. 将Order Date订单日期字段的数据修改为datetime类型；
4. 为了后续分析方便，从订单日期中分别提取年、月、季度数
   据，并添加三个列用来存取年、月、季度信息，分别
   为：’Order-year’,’Order-month’,’quarter’

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
import seaborn as sns
import warnings
plt.rcParams['font.sans-serif'] = ['SimHei']
warnings.filterwarnings('ignore')
 #数据加载和整合
# 加载零售数据集，使用'ISO-8859-1'编码方式
df = pd.read_csv(r"E:\market.csv",encoding='ISO-8859-1')
df.head()
#数据大小
df.shape
#数据分布情况
df.describe()

得到结果：

代码：

数据分析：

利润分析
先根据年和月进行分组，再分别提取各年份（2011-2014
年）的数据，分析各年份对应月的利润情况。

客单价分析

客单价指商场（超市）每一个顾客平均购买商品的金额，客单
价反映顾客的购买水平；
客单价=销售额÷成交顾客数
通过计算并展示每年的客单价数据，可以反映每年的顾客购买
水平

每年销售额与销售额的增长率分析

通过年份分组，计算每年的销售额总和
销售额增长率 = (本年销售额-上年销售额) / 上年销售额 * 100%
= 本年销售额 / 上年销售额 - 1