冰箱日订单数据分析(京东）python代码

具体分析报告地址
PowerBi网页版

数据

2020年5月25日京东大家电-家用电器-冰箱订单数据，按10%抽样，约22MB（70k+条数据）
包含信息：

user_log_acct --用户账号
parent_sale_ord_id --父订单号
sale_ord_id --订单号
sale_ord_tm --订单时间
sale_ord_dt --订单日期
item_sku_id --商品sku
item_name --商品名称
brandname --品牌名称
sale_qtty --商品数量
item_first_cate_name --一级品类名称
item_second_cate_name --二级品类名称
item_third_cate_name --一级品类名称
before_prefr_unit_price --优惠前单价
after_prefr_unit_price --优惠后单价
user_actual_pay_amount --实际支付价格
sale_ord_valid_flag --订单有效标志
cancel_flag --订单取消标志
check_account_tm --支付时间
total_offer_amount --总优惠金额
self_ord_flag --自营标志
user_site_city_id --用户所在城市编号
user_site_province_id–用户所在省份编号
user_lv_cd --用户会员等级

数据预处理

缺失值处理
用户城市和省份信息有部分缺失，猜测原因是部分用户隐藏了IP地址，不影响分析，可以用‘缺失值’代替
部分订单的订单时间是空值，原因是订单尚未支付，不影响分析，可以将其赋特殊值比如-1或者不处理

数据逻辑错误
有用户的城市ID为-1只有1个，影响不大可以删除
优惠前冰箱的最低价格为288，数据中存在大量的低价订单，其中绝大部分是保修、返现等无价值订单，一小部分是异常订单，可以忽略，只筛选出优惠前价格大于500的数据

import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt 
import seaborn as sns 
from scipy import stats 
from matplotlib.ticker import FuncFormatter 
plt.rcParams['font.sans-serif'] = ['KaiTi', 'SimHei', 'FangSong']

df=pd.read_csv('course_order_d.csv',sep='\t')
df.head()

#查看列名
df.columns

df.info()

#数据清洗
#数据类型转换
#缺失值和异常值处理
#优惠前冰箱的最低价格为288元，低于此价格的订单认为是异常订单  (df['before_prefr_unit_price']<288).sum() 为14252个
#用户的城市ID为-1删除，只有1个
df=df[(df['before_prefr_unit_price']>=288) & (df['user_site_city_id']!=-1)]
df.shape  #(62378, 23)

#查看重复订单数量
print(df["sale_ord_id"].duplicated().sum()) #843

#去掉订单号重复的数据(这里京东的建议保留第一个)
df.drop_duplicates(subset=['sale_ord_id'],keep='first',inplace=True)
df.info()

城市、省份信息缺失，订单时间缺失部分订单的订单时间是空值，原因是订单尚未支付，可以将其赋特殊值比如Not Given

df.user_site_city_id.fillna('Not Given',inplace = True)
df.user_site_province_id.fillna('Not Given',inplace = True)
df.check_account_tm.fillna('Not Given',inplace = True)

# 添加总价格列  等于 商品数量*优惠后单价
df['total_actual_pay']=df['sale_qtty']* df['after_prefr_unit_price']
df.head()

宏观分析

#取消订单数  17782
order_cancel=df[df.cancel_flag==1]['sale_ord_id'].count()
#总订单数  61535
order_num=df['sale_ord_id'].count()

#df2只包含有效订单（sale_ord_valid_flag订单有效标志为1 且 cancel_flag订单取消标志为0 ）
df2=df.copy() 
df2=df2[(df2['sale_ord_valid_flag']==1)&(df2['cancel_flag']==0)] 

#有效订单数量  33845
order_vaild=df2['sale_ord_id'].count()

#支付订单数量 28768
order_payed=df2['sale_ord_id'][df2['user_actual_pay_amount']!=0].count()

#未支付订单数量  5077
order_unpay=df2['sale_ord_id'][df2['user_actual_pay_amount']==0].count()

#总销售额
total_sales = df2['user_actual_pay_amount'].sum()
# GMV：本实例中指所有有效订单的总交易额
GMV = df2['total_actual_pay'].sum()
 
#总用户数
total_users = df['user_log_acct'].nunique()
 
print('订单总数：',order_num)
print('取消订单数：',order_cancel)
print('有效订单总数：',order_vaild)
print('已支付订单：',order_payed)
print('总销售额：',total_sales)
print('GMV:',GMV)
print('总用户数：',total_users)

fig,axes = plt.subplots(1,2,figsize =(10,5),dpi=100)

labels1=['取消','未取消']
X=[order_cancel,order_num-order_cancel]
axes[0].pie(X,labels=labels1,autopct='%1.2f%%',colors = ['#1a445d','#6490a9'],pctdistance = 1.3,startangle = 90) 
axes[0].set_title("订单总数取消情况", fontsize=25)

labels2=['支付','未支付']
Y=[order_payed,order_unpay]
axes[1].pie(Y,labels=labels2,autopct='%1.2f%%',colors = ['#1a445d','#6490a9'],pctdistance = 1.2,startangle = 90) 
axes[1].set_title("有效订单数支付情况", fontsize=25) 

优惠后单价累积分布图
通过整体的价格分布我们可以发现，约80%的订单在3000元以下。

price_series=df2['after_prefr_unit_price']
price_series.describe([0.25,0.5,0.7,0.75,0.8,0.85,0.9])

order_price = pd.DataFrame(df2.groupby('after_prefr_unit_price')['after_prefr_unit_price'].count())
order_price.columns = ['ord_price_qua']
order_price['price_rate_cum'] = (order_price['ord_price_qua']/(order_price['ord_price_qua'].sum())).cumsum()

fig = plt.figure(figsize=(20,8),dpi=120)
ax = fig.add_subplot(111,fc='w')
ax.tick_params(labelsize=12,colors='k') #刻度字体大小12
plt.xlabel('优惠后单价',fontdict={
   'color':'k', 'size':18})

def to_percent(temp,position):
    return '%1.1f'%(100*temp)+'%'

plt.gca().yaxis.set_major_formatter(FuncFormatter(to_percent))

ax.plot(order_price.index,order_price['price_rate_cum'],color='#1a445d',linewidth=1.8)
ax.set_title("优惠后单价累积分布图", fontsize=25) 
# 设置有边框和头部边框颜色为空right、top、left
[ax.spines[loc_axis].set_visible(False) for loc_axis in ['top','right','left']]
plt.grid(color = "k", alpha=0.5,linewidth=0.5)

微观分析

时间维度

df3=df2.copy()
#提取小时
df3['order_time_hms']=df3['sale_ord_tm'].apply(lambda x:int(str(x).split(' ')[1][0:2]))
#每个小时订单数
pay_time_df=df3.groupby('order_time_hms')['sale_ord_id'].count()

x=pay_time_df.index 
y=pay_time_df.values 

fig = plt.figure(figsize=(20,8