2021-11-07大数据学习日志——Pandas——pandas综合案例（上）

案例1：零售会员数据分析

 

学习目标

• 能够使用pandas、seaborn进行数据分析和可视化

1. 零售会员数据分析案例

1.1 案例业务介绍

案例背景：

1）某女鞋连锁零售企业，当前业务以线下门店为主，线上销售为辅

2）通过对会员的注册数据以及消费数据的分析，监控会员运营情况，为后续会员运营提供决策依据

3）会员等级说明

• 白银：注册(0)
• 黄金：下单(1~3888)
• 铂金： 3888~6888
• 钻石：6888以上

分析需求：

1）描述性数据分析

2）使用业务数据，分析出会员运营的基本情况

数据集说明：

1）会员信息查询.xlsx

2）会员消费报表.xlsx

3）门店信息表.xlsx

4）全国销售订单数量表.xlsx

分析会员运营的基本情况：

1）从量的角度分析会员运营情况

• 整体会员运营情况（存量，月增量，不同等级占比）
• 不同渠道（线上，线下）的会员运营情况
• 线下业务，拆解到不同的地区、门店会员运营情况

2）从质的角度分析会员运营情况

• 会销比
• 连带率
• 复购率

1.2 会员存量、增量分析

每月存量、增量是最基本的指标，通过会员数量考察会员运营情况

1）用到的数据：会员信息查询.xlsx，加载 会员信息查询.xlsx 数据

member_df = pd.read_excel('./data/会员信息查询.xlsx', engine='openpyxl')
member_df.info()

# 会员信息查询
member_df.head()

2）需要按月统计注册的会员数量，注册时间原始数据需要处理成年-月的形式

from datetime import datetime
member_df['注册年月'] = member_df['注册时间'].apply(lambda x: datetime.strftime(x, '%Y-%m'))
member_df.head()

3）按注册年月统计会员增量

分组聚合实现：

month_count = member_df.groupby('注册年月')[['会员卡号']].count()
month_count.head()

# 修改列标签
month_count.columns = ['月增量']
month_count.head()

透视表实现：

• index：行索引，传入原始数据的列名
• columns：列索引，传入原始数据的列名
• values: 要做聚合操作的列名
• aggfunc：聚合函数

month_count = member_df.pivot_table(index='注册年月', values='会员卡号', aggfunc='count')
month_count.head()

# 修改列标签
month_count.columns = ['月增量']
month_count.head()

4）在月增量数据的基础上统计月存量

# 通过 cumsum 对月增量做累积求和
month_count['存量'] = month_count['月增量'].cumsum()
month_count

5）从结果中剔除 2017-08 月份的数据

month_count = month_count[1:]
month_count.head()

6）对上面的统计结果进行可视化

%matplotlib inline
import matplotlib.pyplot as plt
# Mac 操作系统设置字体
# plt.rcParams['font.sans-serif'] = 'Arial Unicode MS'
# Win 操作系统设置字体
plt.rcParams['font.sans-serif'] = 'SimHei'

# 将月增量绘制折线图
month_count['月增量'].plot(figsize=(20, 8), color='r', secondary_y=True)
# 将存量绘制柱状图
month_count['存量'].plot.bar(color='gray', xlabel='年月', ylabel='存量', legend=True)

# 设置图形标题
plt.title('会员存量增量分析', fontsize=20)

1.3 增量等级分布

会员增量存量不能真实反映会员运营的质量，需要对会员的增量存量数据做进一步拆解

从哪些维度来拆解？

1）从指标构成来拆解

• 会员 = 白银会员+黄金会员+铂金会员+钻石会员

2）从业务流程来拆解

• 当前案例，业务分线上、线下，又可以进一步拆解：按大区，按门店

会员等级分布分析的目的和要分析的指标：

1）会员按照等级拆解分为

• 白银: 注册(0)
• 黄金: 下单(1~3888)
• 铂金: 3888~6888
• 钻石: 6888以上

2）由于会员等级跟消费金额挂钩，所以会员等级分布分析可以说明会员的质量

具体实现：

1）按照注册年月和会员等级，统计会员增量

分组聚合实现：