电商数据挖掘

最新推荐文章于 2023-10-26 01:46:42 发布

随便xie写

最新推荐文章于 2023-10-26 01:46:42 发布

阅读量1.1k

点赞数

分类专栏：数据分析文章标签：数据挖掘

本文链接：https://blog.csdn.net/qq_36234688/article/details/104338421

版权

本文探讨了电商领域的数据挖掘技术，通过分析海量购物行为数据，揭示消费者的购买习惯、商品关联性和销售趋势。利用数据挖掘，电商平台可以实现个性化推荐、库存优化及精准营销，提升业务效率与客户满意度。

摘要由CSDN通过智能技术生成

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_excel('Online Retail.xlsx')
data['InvoiceDate'] = pd.to_datetime(data['InvoiceDate'])
data['Turnover'] = data['UnitPrice']* data['Quantity']
def get_canceled_status(InvoiceNo,canceled=1,normal=0):
 if 'c' in str(InvoiceNo).lower():
 return canceled
 else:
 return normal

data['is_canceled'] = [get_canceled_status(InvoiceNo,1,0) for InvoiceNo in
data['InvoiceNo']]
# 观察数据
import missingno as msno
%config InlineBackend.figure_format = 'svg'
%matplotlib inline
msno.bar(data,figsize=(11,3))
#
dx_invalid = [get_canceled_status(i,-1,1)*q<=0 for (i,q) in
zip(data.InvoiceNo,data.Quantity)]
data.drop(data.index[idx_invalid],inplace=True)
# 删除重复数据
data = data.drop_duplicates() # data.duplicated().sum()
# 删除 CustomerID 为空的数据
data = data.dropna(subset=['CustomerID']) # data.isnull().sum().sum()
# 删除单价 小于等于 0 的数据
idx_invalid = [ int(i)<=0 for i in data.UnitPrice]
data.drop(data.index[idx_invalid],inplace=True)
# 重设 index
data = data.reset_index(drop=True)
# 模块一 ： 数据历史销售情况

import datetime as dt
import matplotlib.pyplot as plt
data['Month'] = data['InvoiceDate'].dt.month
# 每月成交额 画图
turnover_month = data.groupby('Month')['Turnover'].sum()
# 作图
plt.figure(figsize=(10,5))
plt.rc('font', family='SimHei', size=13) # 显示中文，居家必备
plt.plot(turnover_month)
plt.xlabel('月份')
plt.ylabel('成交额')
plt.title('每月成交额')
# 每月成交数量 画图
quantity_month = dat