本项目数据来源: 阿里天池数据集
数据概览: 本数据为2012年7月2日至2015年2月5日发生在淘宝天猫交易平台关于婴幼儿商品的交易数据,数据集包含两个表格:
- (sample)sam_tianchi_mum_baby(base 表):包含用户ID、儿童出生日期、儿童性别的基本信息
- (sample)sam_tianchi_mum_baby_trade_history(trade 表):包含用户ID、类别ID、购买数量、购买时间、商品ID及属性等信息
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200615113352153.png?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzQ3NDc4NTk1,size_16,color_FFFFFF,t_70)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200615114034212.png?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzQ3NDc4NTk1,size_16,color_FFFFFF,t_70)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200615114231816.png?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzQ3NDc4NTk1,size_16,color_FFFFFF,t_70)
分析目的: 分析既往数据表现,寻找优化切入点,并针对性提出改善方案,已达到提升销量和营业额、减少经营成本的效果。
分析思路: 从营运、产品、用户三个指标维度,继续拆分细化数据,提出假设,分析问题
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200617214101796.png?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzQ3NDc4NTk1,size_16,color_FFFFFF,t_70)
一、 数据清洗(Python)
- base 表包含 user_id, birthday, gender 3个特征维度,共953行数据。
- trade表包含user_id, auction_id, cat_id, bat1, buy_mount, day 6个特征维度,共29971行数据。
缺失值处理:
base 表无缺失值,trade 表 property 特征缺失144条数据,由于该特征主要用于机器学习预测分析,与本分析关联度不大,暂且取出。
异常值处理:
base 表 birthday 特征可视化,去除出生早于2000年的离散值;
trade 表 buy_amount 特征可视化,去除超过3个标准差的离散值。
# 数据可视化
btd = base.birthday.value_counts().sort_index()
plt.figure(figsize=(15,3))
sns.scatterplot(x=btd.index,y=btd.values,alpha=0.5)
plt.title('(原数据)婴儿出生日期与订单数分布图',fontsize=15)
plt.ylabel('购买订单数')
plt.xlabel('婴儿出生日期')
plt.show()
# 去除