黑五销售分析

利用黑五销售统计数据，分析用户特征、商品销售情况、主力消费人群和用户偏好商品四个方面内容。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
sns.set_style("ticks")#设置绘图风格
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

1 数据总览

black_friday=pd.read_csv('BlackFriday.csv')
black_friday.head()

	User_ID	Product_ID	Gender	Age	Occupation	City_Category	Stay_In_Current_City_Years	Marital_Status	Product_Category_1	Product_Category_2	Product_Category_3	Purchase
0	1000001	P00069042	F	0-17	10	A	2	0	3	NaN	NaN	8370
1	1000001	P00248942	F	0-17	10	A	2	0	1	6.0	14.0	15200
2	1000001	P00087842	F	0-17	10	A	2	0	12	NaN	NaN	1422
3	1000001	P00085442	F	0-17	10	A	2	0	12	14.0	NaN	1057
4	1000002	P00285442	M	55+	16	C	4+	0	8	NaN	NaN	7969

black_friday.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 537577 entries, 0 to 537576
Data columns (total 12 columns):
User_ID                       537577 non-null int64
Product_ID                    537577 non-null object
Gender                        537577 non-null object
Age                           537577 non-null object
Occupation                    537577 non-null int64
City_Category                 537577 non-null object
Stay_In_Current_City_Years    537577 non-null object
Marital_Status                537577 non-null int64
Product_Category_1            537577 non-null int64
Product_Category_2            370591 non-null float64
Product_Category_3            164278 non-null float64
Purchase                      537577 non-null int64
dtypes: float64(2), int64(5), object(5)
memory usage: 49.2+ MB

数据共有537577行，12列。

各列说明如下：

• User_ID：用户ID
  
• Product_ID：商品ID
  
• Gender：性别，M为男性，F为女性
  
• Age：年龄段，划分为0-17、18-25、26-35、36-45、46-55、55+共六个年龄段
  
• Occupation：职业，已转换为数字标签，共有21类职业
  
• City_Category：所在城市类别，转换为字母标签，分为A、B、C三类
  
• Stay_In_Current_City_Years：所在城市居住年份，分为0、1、2、3、4+五个类别
  
• Marital_Status：婚姻状况，0为未婚，1为已婚
  
• Product_Category_1：商品标签1，已转换为数字标签，范围1-18
  
• Product_Category_2：商品标签2，已转换为数字标签，范围2-18
  
• Product_Category_3：商品标签3，已转换为数字标签，范围3-18
  
• Purchase：消费金额，单位为美元
  

2 定义一些画图的函数

def pie(data=None,title=None,length=6,height=6,dpi=100):
    '''绘制饼图的函数'''
    fig,ax=plt.subplots(figsize=(length,height),dpi=dpi)
    size=0.5
    labels=data.index
    ax.pie(data,labels=labels,
       startangle=90,autopct='%.1f%%',colors=sns.color_palette("husl",len(data)),
       radius=1,#控制饼图半径，默认为1
       pctdistance=0.75,#控制百分比显示位置
       wedgeprops=dict(width=size,edgecolor='w'),#控制甜甜圈的宽度，边缘颜色等
       textprops=dict(fontsize=10)#控制字号及颜色等
      )
    ax.set_title(title,fontsize=15)

def bar(data=None,title=None,width=0.6,length=10,height=6,dpi=100,text_distance=10,text_fontsize=10,):
    '''绘制柱状图的函数'''
    fig,ax=plt.subplots(figsize=(length,height),dpi=dpi)
    x=np.arange(len(data))
    y=data.values
    labels=data.index
    width=width
    ax.bar(x,y,width=width,color=sns.color_palette("Set2",1))
    ax.set_xticks([i for i in range(len(data))])
    ax.set_xticklabels(labels)
    ax.set_title(title,fontsize=18)
    for a,b in enumerate(y):
        ax.text(a,b+text_distance,b,ha='center',fontsize=text_fontsize)

def user_analyse_bar(data=None,title=None,n=2,length=10,height=6,dpi=100,total_width=0.6,text_fontsize=10,text_distance=10):
    '''
    用于绘制用户特征细分的柱状图
    '''
    fig,ax=plt.subplots(figsize=(length,height),dpi=dpi)
    data_m=data.loc['M']
    data_f=data.loc['F']
    total_width=total_width
    n=n
    width=total_width/n
    x=np.arange(len(data.columns))
    x=x-(total_width-width)/2
    xlabel=data.columns
    ax.bar(x,data_m,width=width,label='Male',color='#36ADA4')
    ax.bar(x+width,data_f,width=width,label='Female',color='#F77189')
    ax.set_xticks(np.linspace(0,len(data.columns)-1,len(data.columns)))
    ax.set_xticklabels(xlabel)
    for x,y1,y2 in zip(x,data_m,data_f):
        ax.text(x,y1+text_distance,y1,ha='center',fontsize=text_fontsize)
        ax.text(x+width,y2+text_distance,y2,ha='center',fontsize=text_fontsize)
    ax.set_title(title,fontsize=18)
    ax.legend()

3 用户是一些什么人？

#提取用户数据并去重
user=black_friday.loc[:,'User_ID':'Marital_Status'].drop_duplicates(subset='User_ID')
user.head()

	User_ID	Product_ID	Gender	Age	Occupation	City_Category	Stay_In_Current_City_Years	Marital_Status
0	1000001	P00069042	F	0-17	10	A	2	0
4	1000002	P00285442	M	55+	16	C	4+	0
5	1000003	P00193542	M	26-35	15	A	3	0
6	1000004	P00184942	M	46-50	7	B	2	1
9	1000005	P00274942	M	26-35	20	A	1	1

3.1 性别

gender=user['Gender'].value_counts().sort_index(ascending=1)

gender_title='黑五购物用户性别比'
pie(gender,gender_title)

黑五用户以男性为主，占将近四分之三。

3.2 年龄段

age=user['Age'].value_counts().sort_index()

age_title='各年龄段用户人数'
bar(age,age_title)

3.3 职业

occupation=user['Occupation'].value_counts().sort_values(ascending=False)

occupation_title='各职业用户人数'
bar(occupation,occupation_title,width=0.8,text_distance=5)

3.4 城市类别

city_category=user['City_Category'].value_counts().sort_index()
city_category

A    1045
B    1707
C    3139
Name: City_Category, dtype: int64

city_category_title='黑五购物用户所在城市'
pie(city_category,city_category_title)

3.5 居住年份

stay_year=user['Stay_In_Current_City_Years'].value_counts().sort_index()

stay_year_title='黑五购物用户所在城市居住年份'
pie(stay_year,stay_year_title)

3.6 婚姻状况

marital_status=user['Marital_Status'].value_counts().sort_index()
marital_status.index=['未婚','已婚']
marital_status

未婚    3417
已婚    2474
Name: Marital_Status, dtype: int64

marital_status_title='黑五购物用户婚姻状况'
pie(marital_status,marital_status_title)

3.7 小结

根据以上分析，可以粗略归纳黑五购物用户的一些特点：

• 男性居多
• 年龄以18-45的居多，若缩小年龄段则是26-35
• 主要职业类别是4、0、7
• 来自C类城市的用户最多，占比超过一半；其次为B类城市；A类城市最少
• 居住年份为1年的用户最多，其次为2年的用户，这两类用户占比超过一半
• 未婚用户略多于已婚用户

4 用户属性交叉分析

从单个属性描述用户特征可能不完善，因此，尝试从多个属性角度进行分析，看用户在不同属性分组下是否有差别。

为避免分析太复杂，这里仅选取部分组合在一起有意义的属性进行两两交叉分析。

4.1 性别-年龄

gender_age=pd.crosstab(user['Gender'],user['Age'])
gender_age

Age	0-17	18-25	26-35	36-45	46-50	51-55	55+
Gender
F	78	287	545	333	182	142	99
M	140	782	1508	834	349	339	273

user_analyse_bar(data=gender_age,title='各年龄段男女用户人数')

#计算各年龄段的男性比例
gender_age.loc['M']/gender_age.sum(axis=0)

Age
0-17     0.642202
18-25    0.731525
26-35    0.734535
36-45    0.714653
46-50    0.657250
51-55    0.704782
55+      0.733871
dtype: float64

各年龄段都是以男性用户为主，男性占比差异并不十分明显。

4.2 性别-职业

gender_occ=pd.crosstab(user['Gender'],user['Occupation'])
gender_occ.T

Gender	F	M
Occupation
0	226	462
1	203	314
2	88	168
3	98	72
4	228	512
5	31	80
6	99	129
7	137	532
8	3	14
9	85	3
10	66	126
11	22	106
12	46	330
13	33	107
14	78	216
15	28	112
16	49	186
17	50	441
18	4	63
19	15	56
20	77	196

user_analyse_bar(data=gender_occ,title='各职业男女用户人数',total_width=0.8,length=12,text_fontsize=8,text_distance=2)

不同职业的男女用户比例差异较大，多数职业男性用户居多，仅有少数职业的女性用户多于男性用户（3、9）。

4.3 性别-城市

gender_city=pd.crosstab(user['Gender'],user['City_Category'])
gender_city

City_Category	A	B	C
Gender
F	295	503	868
M	750	1204	2271

user_analyse_bar(data=gender_city,title='各城市男女用户人数',total_width=0.6,length=6,height=4)