天猫订单数据分析

一、背景

天猫订单数据，为2月份的部分数据内容，已脱敏处理。保留数据特征见下表,共计28010条数据。
数据集来自和鲸社区，点击链接即可下载数据集。

订单id	订单总金额	订单实际支付金额	收货地址	下单时间	付款时间	退款金额
order_id	order_money	pay_money	address	order_ct	p_t	refund

1.订单实际支付金额 = 订单总金额 - 退款金额
2.若付款时间为NAN，则此订单未支付。未支付订单则退款金额为0。

二、分析目标

1. 按区域统计下单数量、订单金额、实付金额、退款金额等
2. 计算下单-付款的转化率，以及退款率
3. 计算用户下单付款的间隔时间
4. 下单数量随日期变化，时间段下单趋势变化

三、数据清洗

1.数据读取

# 导入相关库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
%matplotlib inline

# 设置文件路径
path = '/Users/valkyrja/Documents/dataanalysis/taobao/tmall.csv'
# 读取数据
data = pd.read_csv(path, encoding = 'utf8')

# 观察数据
data.head()

7列数据，存在时间和Nan的值，需要观进一步观察数据类型。

# 数据行数
data.shape
# (28010, 7)

# 数据预览
data.info()

1. 订单创建时间、订单付款时间均为字符串，需要进行转换
2. 订单付款时间存在缺失值，因为存在订单未付款的情况
3. 需要对列名进行重命名

# 观察是否存在重复数据
data.duplicated().sum()
# 不存在

2.数据预处理

# 列重命名
data.rename(columns = {
   '订单编号':'order_id', '总金额':'order_money','买家实际支付金额':'pay_money', '收货地址':'address',\
                      '订单创建时间':'order_ct', '订单付款时间':'p_t', '退款金额':'refund'}, inplace = True)
data.head()

列名中可能存在空格，需要进行去空格处理。

data.rename(columns = lambda x : x.replace(' ', ''), inplace = True)
data.rename(columns = {
   '收货地址':'address','订单付款时间':'p_t'}, inplace = True)
data.head()

列名完成重命名。

# 转换时间格式
data['order_ct'] = pd.to_datetime(data['order_ct'])
data['p_t'] = pd.to_datetime(data['p_t'])
data.info()

order_ct和p_t都是datetime类型了。