mysql+python+pyecharts电商数据分析

数据来自天池数据集，淘宝2004年11月18日至12月18日用户行为数据，本文导入446000条数据到本地mysql用于分析。
数据下载地址：https://tianchi.aliyun.com/dataset/dataDetail?dataId=46

数据包括字段为user_id、item_id、behavior_type(1–点击，2–收藏，3–加购物车，4–支付)、user_geohash、item_category、time。数据示例如下：

读取mysql数据

载入相关的库：

import pymysql
import pandas as pd
from pyecharts import Line，Funnel

python3用pymysql连接mysql数据库，将数据读入pandas。

conn = pymysql.connect(host='localhost',user='root',passwd='',db='kaggle')
sql='select * from tianchi_train_user'
df = pd.read_sql(sql,conn)

提出问题

本文要分析的问题有：

1. 购物整体购物情况
   月pv、月uv、月销售量、日均访问量、有购买行为的用户
2. 购买量大的10个category
3. 12月点击到支付的转化漏斗

数据清洗

1. behavior_type中分别用click、fav、cart、buy代替1、2、3、4。
2. 将time字段分割成date、hour两个字段，并把date中字符串转化为日期、设成索引。

df['behavior_type'].replace('1','click',inplace=True)
df['behavior_type'].replace('2','fav',inplace=True)
df