文章目录
概要
素材：链接：https://pan.baidu.com/s/1FVOArEQD2v2JzwNi730mZg?pwd=1234
提取码：1234
--来自百度网盘超级会员V6的分享
某企业销售的6种商品所对应的送货及用户反馈数据
解决问题
1、配送服务是否存在问题
2、是否存在尚有潜力的销售区域
3、商品是否存在质量问题
结论：
1、货品4→西北，货品2→马来西亚两条线路存在较大问题，急需提升时效
2、货品2在华东地区还有较大市场空间，适合加大投入，同时货品2在西北配送时效长，用户拒收率高，从成本角度考虑，应该减少投入
3、货品1、2、4质量存在问题，建议扩大抽检范围，增大质检力度
分析过程
一：数据清洗：
① 重复值、缺失值、格式调整¶
② 异常值处理（比如：销售金额存在等于0的，数量和销售金额的标准差都在均值的8倍以上等）
import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示
data = pd.read_csv('data_wuliu.csv',encoding='gbk')
# 删除重复行inplace表示在原数据上进行删除
data.drop_duplicates(keep='first',inplace=True)
"""删除空值（axis=0表示按行删除，hou有两个值any和all，any表示只要有一个空值就删除
all表示这一行所有为空的时候才能删除）inplace表示在原数据上进行删除"""
data.dropna(axis=0,how='any',inplace=True)
# drop删除某一行，inplace表示在原数据上进行删除
data.drop(columns=['订单行'],inplace=True,axis=1)
"""！！！注意，这里有一个坑，当我们第一次删除某一行之后因为我们是在原数据上
删除，当我们第二次运行的时候原数据上的【订单号行】已经不再了，会报错。%%bash们要先
重新一下导入数据在运行"""
# print(data.info())
# 运行完上面的操作后行的索引会乱，我们要跟新一下数据索引
data.reset_index(drop=True,inplace=True)
data 
二：销售金额格式不对（万元|元，逗号问题）,数据类型需要转换成int|float。#取出销售金额列，对每一个数据进行清洗，编写自定义过滤函数：删除逗号，转成float，如果是万元则*10000，否则，删除元
def data_deal(number):
if number.find('万元')!=-1: #查看数据是万元还元，是万元就去除万元和逗号在转成float类型乘1000
number_new=float(number[:number.find('万元')].replace(',',''))*10000
else:
number_new=float(number.replace('元','').replace(',',''))
return number_new
# 这里运行第二次会报错，和上面的注意点一样
data['销售金额']=data['销售金额'].map(data_deal) 
销售金额==0，采用删除方法，因为数据量很小
data=data[data['销售金额']!=0]
data.describe()
# 对于数据很大的情况也就是数据右偏，这电商行业中很正常2/8分布，无需处理。
将销售时间列的日期格式转成时间格式，再新建一列来保存当前订单的月份
data['销售时间']=pd.to_datetime(data['销售时间'])
data['月份']=data['销售时间'].apply(lambda x:x.month)
data 
三、数据分析并可视化
1、配送服务是否存在问题
unstack的作用：unstack() 则为stack的逆函数，即把一维表转化成二维表的过程
stack：stack()就是把二维表转化成一维表（stack为堆叠的意思，就是把所有的index都堆在行上）
data['货品交货状况'] = data['货品交货状况'].str.strip() # 去除可能存在的多余空格
data1 = data.groupby(['月份','货品交货状况']).size().unstack() # 按照月份和交货状况分组
data1['按时交货率'] = data1['按时交货']/(data1['按时交货']+data1['晚交货']) # 新建一列来计算按时交货率
data1
#从按时交货率来看，第四季度低于第三季度，猜测可能是气候原因造成 
地区维度：分析各个地区的交货情况
data1 = data.groupby(['销售区域','货品交货状况']).size().unstack() # 按照销售区域和货品交货状况分组，分析各个地区是否按时交货
data1['按时交货率'] = data1['按时交货']/(data1['按时交货']+data1['晚交货']) # 判断各个地区的交货情况
print(data1.sort_values(by='按时交货率',ascending=False)) # 排序更容易观察
#西北地区存在突出的延时交货问题，急需解決 
货品维度：分析各个货品的交货情况
data1 = data.groupby(['货品','货品交货状况']).size().unstack()
data1['按时交货率'] = data1['按时交货']/(data1['按时交货']+data1['晚交货'])
print(data1.sort_values(by='按时交货率',ascending=False))
#货品4晚交货情况非常严重，其余货品相对交货 
货品和销售区维度：对货品，销售区域，货品交货状况分组，分析各个货品在各个地区的交货情况：
data1 = data.groupby(['货品','销售区域','货品交货状况']).size().unstack()
data1['按时交货率'] = data1['按时交货']/(data1['按时交货']+data1['晚交货'])
print(data1.sort_values(by='按时交货率',ascending=False))
#销售区域：最差在西北地区，货品有1和4，主要是货品4送过较晚导致
#货品：最差的货品2，主要送往华东和马来西亚，主要是马来西亚的送货较晚导致。 
2、是否存在尚有潜力的销售区域
月份维度：按照月份和货品分组后对数量求和，分析各个月份的货品销售情况，绘制折线图更容易观察
data1 = data.groupby(['月份','货品'])['数量'].sum().unstack()
data1.plot(kind='line')
# 货品2在10月和12月份，销量猛增，原因猜测有二：1.公司加大营销力度 2.开发了新的市场(后续有结论) 
区域维度：将销售区域和货品分组后对数量求和，分析各个区域的货品销售情况
data1 = data.groupby(['销售区域','货品'])['数量'].sum().unstack()
data1
# 从销售区域看，每种货品销售区域为1~3个，货品1有三个销售区域，货品2有两个销售区域，其余货品均有1个销售区域 
月份和区域维度：将月份，销售区域，货品分组后对数量求和，分析各个月份中各个销售区域的货品销售情况
data1 = data.groupby(['月份','销售区域','货品'])['数量'].sum().unstack()
data1['货品2']
#货品2在10，12月份销量猛增，原因主要发生在原有销售区域（华东）
#同样，分析出在7，8，9，11月份销售数量还有很大提升空间，可以适当加大营销力度 
3.商品是否存在质量问题
对货品和销售区域进行分组在对货品用户反馈（拒货，质量合格，反修）进行求和，然后计数出各个货品在各个地区的用户反馈情况，然后算出各个货品在各个地区的拒货率，返修率，合格率。排序后就可以分析出那个货品有质量问题
data['货品用户反馈'] = data['货品用户反馈'].str.strip() #取出首位空格
data1 = data.groupby(['货品','销售区域'])['货品用户反馈'].value_counts().unstack()
data1['拒货率'] = data1['拒货'] /data1.sum(axis=1) #按行进行求和汇总
data1['返修率'] = data1['返修'] /data1.sum(axis=1)
data1['合格率'] = data1['质量合格'] /data1.sum(axis=1)
data1.sort_values(['合格率','返修率','拒货率'],ascending=False)
货品3.6.5合格率均较高，返修率比较低，说明质量还可以
货品1.2.4合格率较低，返修率较高，质量存在一定的问题，需要改善
货品2在马拉西亚的拒货率最高，同时，在货品2在马拉西亚的按时交货率也非常低。猜测：马来西亚人对送货的时效性要求较高，如果达不到，则往往考虑拒货。
考虑到货品2主要在华东地区销售量大，可以考虑增大在华东的投资，适当较小马来西亚的投入。
619
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
