【数据分析】分类指标、用户价值与预测—抖音电商数据集

霹雳小鳗鱼

已于 2022-08-01 21:37:34 修改

阅读量5.6k

点赞数 8

文章标签：数据分析 python

于 2022-08-01 21:34:54 首次发布

本文链接：https://blog.csdn.net/qq_56907734/article/details/126058060

版权

该数据集(douyin.csv)主要截取了200000条抖音电商平台上的商品销售情况。本文的分析将先根据数据集的结构选取分析目标，再通过可视化来展示各项分析目标的结果，从而挖掘出影响销售各个指标的因素及程度、进行商业预测。

一、表结构观察，确立分析目标

import pandas as pd
import numpy as np
import os
import matplotlib as plt
import pyecharts
from chart_studio import plotly as py
df=pd.read_csv('D:/CCCCCC/KDD/douyin.csv',encoding='utf-8')

数据表有很多字段，有些无法批量补充的缺失值，需要根据结构判断使用哪些字段进行何种分析：

print(df.info())
df.isnull().any()

如图所示，商品id和名称、品牌、成交总额（gmv）、单位销量的数据是几乎齐全的；c1到c3的字段指的是商品分类的三个层次，依次为上一个的子层次；brand_clean相当于从数据集的所有品牌中精选出知名品牌；而店铺信息在该数据表中缺失值较多。

根据以上的结构分析，本文将从三个方面做分析处理：使用c1到c3字段中有的16万多条数据进行商品分类的销量分析；用品牌忠诚度、消费额、消费频率作用户价值分析；最后作出知名品牌带来效益的商业预测。

二、分类指标可视化

初步想法是利用三个层次的关联数据绘制一个多分类的对比图表，于是选用了矩形树图（TreeMap）；首先先进行数据预处理，将只含有c1-c3分类以及对应销量的字段从原数据表中剥离出来。
```
from pyecharts.charts import Page,TreeMap
from pyecharts import options as opts
import math
df1=df.copy()
df1=df1.dropna(subset=['c1_id'])
df5=df1[["c1_id","c1_name","c2_id","c2_name","c3_id","c3_name"
```