本文使用Plotly对2020年9月25日收集的TB维生素商品销量前440条数据进行EDA，分析了价格区间、商品数量、店铺分布、销量与评论的关系。结果显示，维生素主要集中在200元以下价格区间，50元以下销量最高。阿里健康大药房商品种类和销量领先，而一些店铺如众久旗舰店和希希林保健品则以少数产品实现高销量。商品名称常包含容量和促销信息，商铺主要分布在广东、浙江、上海和江苏以及澳大利亚和香港。
TBdata_EDA_With_Plotly
本文是参照Video Game Sales - EDA with Plotly 对TB数据进行的探索性分析 原文：https://www.kaggle.com/amritachatterjee09/video-game-sales-eda-with-plotly
本文为根据2020年9月25日收集的TB维生素商品根据销量倒序排列前440条数据进行的探索性数据分析
python: 3.7.7
plotly: 4.11.0
数据文件参照:tb_vitamin_20200925.csv
代码文件参照：edawithplotly.py
代码及数据文件下载：我的Github
1、数据描述
nid：商品ID
title：商品名称及简要宣传性描述
price：商品售价
sales: 销售量
comments：评论数
province：店铺所在省
city：店铺所在市，直辖市或海外province与city相同
storeName：店铺名称
2、导入数据文件
Import pandas as pd
tbdata = pd.read_csv("tb_vitamin_20200925.csv")
# 数据纬度和大小
print("数据纬度： ", tbdata.shape)
print("数据大小： ", tbdata.size)
数据纬度： (440, 12)
数据大小： 5280
3、数据整理
为了统计需要，将价格整理成价格区间，新增两列，价格区间索引和价格区间字符串
# ps_sort, 价格区间索引
tbdata.insert(3,"ps_sort",0)
# price_section, 价格区间 (0,50] 表示 大于0元，小于等于50.00元
tbdata.insert(4,"price_section","(0,50]")
#根据price的值，填充ps_sort和 price_section列
i = 1
while i < 10:
if i == 9:
str_ps = "(%d,~)" % (i * 50)
else:
str_ps = "(%d,%d]" % (i*50,(i+1)*50)
tbdata.loc[tbdata.price > i*50, ("ps_sort", "price_section")] = [i, str_ps]
i += 1
#将整理好的数据写入新的csv文件
tbdata.to_csv("tb_vitamin_02.csv")
4、探索数据分析EDA-Exploratory Data Analysis
4.1 总体统计
其中,440条数据中商品数430个，店铺178家，价格从3元到596元，销售数量从800到100K
代码如下
goods = tbdata["title"].unique()
stores = tbdata["storeName"].unique()
pricemax = tbdata["price"].max()
pricemin = tbdata["price"].min()
salesmax = tbdata["sales"].max()
salemin = tbdata["sales"].min()
fig = go.Figure()
fig.add_trace(go.Indicator(
mode="number",
value=len(goods),
title={'text': "商品数","font": {"color": "gold","size":20}},
number={"font": {"color": "gold", "size": 50}},
domain={"row": 0, "column": 0}
))
fig.add_trace(go.Indicator(
mode="number",
value=len(stores),
title={'text': "店铺数", "font": {"color": "green", "size": 20}},
number={"font": {"color": "green", "size": 50}},
domain={"row": 0, "column": 1}
))
fig.add_trace(go.Indicator(
mode="number+delta",
value=pricemax,
title={'text': "价格区间", "font": {"color": "blue", "size": 20}},
number={'prefix': "¥", "font": {"color": "blue", "size": 40}},
delta={'position': "bottom", 'reference': pricemax - pricemin},
domain={"row": 0, "column": 2}
))
fig.add_trace(go.Indicator(
mode="number+delta",
value=salesmax,
title={'text': "销量区间", "font": {"color": "red", "size": 20}},
number={"font": {"color": "red", "size": 40}},
delta={'position': "bottom", 'reference': salesmax - salemin},
domain={"row": 0, "column": 3}
))
fig.update_layout(
grid={'rows': 1, 'columns': 4, 'pattern': "independent"})
fig.show()
其中,价格中位数、众数、均值均低于90元
代码如下：
goods = tbdata["title"].unique()
stores = tbdata["storeName"].unique()
pricemax = tbdata["price"].max()
pricemin = tbdata["price"].min()
p_median = np.median(tbdata["price"]) #中位数
p_mean = np.mean(tbdata["price"]) #均值
p = np.bincount(tbdata["price"])
p_argmax = np.argmax(p) #众数
price_title = "<span style='color:green'>价格区间 ¥%.2f-¥%.2f</span> <br>" \
"<span style='font-size:0.8em;color:red'> 价格中位数：¥%.2f </span><br> " \
"<span style='font-size:0.8em;color:teal'>价格众数：¥%.2f <br> 价格均值：¥%.2f</span>" \
% (pricemin,pricemax,p_median,p_argmax,p_mean)
salesmax = tbdata["sales"].max()
salemin = tbdata["sales"].min()
fig = go.Figure()
fig.add_trace(go.Indicator(
mode="number",
value=len(goods),
title={"text": "商品数","font": {"color": "gold","size":20}},
number={"font": {"color": "gold", "size": 50}},
domain={"row": 0, "column": 0}
))
fig.add_trace(go.Indicator(
mode="number",
value=len(stores),
title={"text": "店铺数", "font": {"color": "green", "size": 20}},
number={"font": {"color": "green", "size": 50}},
domain={"row": 1, "column": 0}
))
fig.add_trace(go.Indicator(
mode="number+delta",
value=salesmax,
title={"text": "销量区间", "font": {"color": "red", "size": 20}},
number={"font": {"color": "red", "size": 40}},
delta={"position": "bottom", "reference": salesmax - salemin},
domain={"row": 2, "column": 0}
))
fig.add_trace(go.Indicator(
mode="gauge",
title={"text": price_title, "font": {"color": "blue", "size": 20}},
delta={"position": "bottom", "reference": pricemax - pricemin},
gauge={"axis":{"range":[0,800]},
"steps":[{"range": [pricemin, pricemax], "color": "green","thickness":0.65},
{"range":[p_argmax, p_mean], "color":"teal"}],
"threshold":{"line":{"color":"red","width":4},"thickness":1,"value":p_median}
},
domain={"row": 1, "column": 1}
))
fig.update_layout(height=500,width=800,
grid={"rows": 3, "columns": 2, "pattern": "independent"})
fig.show()
4.2 价格区间分析
4.2.1 按价格区间统计商品数量
图表如下，说明维生素价格主要在200元以下，其中50元以下最多
代码如下：
pricewise = tbdata.groupby(['ps_sort', 'price_section'])['title'].count().reset_index()
fig = go.Figure(go.Bar(x=pricewise['price_section'], y=pricewise['title'],
marker={'color': pricewise['title'], 'colorscale': 'Viridis'}))
fig.update_layout(title_text='价格区间商品数', xaxis_title='价格区间', yaxis_title='所含商品数')
fig.show()
或用饼图展示
饼图代码如下
pricewise = tbdata.groupby(['price_section'])['title'].count().reset_index()
fig = go.Figure(go.Pie(labels=pricewise['price_section'], values=pricewise['title'], hole=0.7, rotation=30,
hoverinfo="label+percent", textinfo="label+value+percent"))
fig.update_layout(title_text='价格区间商品占比')
fig.show()
4.2.2 按价格区间统计维生素的销售量
图表如下，说明维生素销售量与商品数一致，主要集中在价格200元以下的，其中50元以下最多
代码如下：
pricewise = tbdata.groupby(['ps_sort', 'price_section'])['sales'].sum().reset_index()
fig = go.Figure(
go.Bar(x=pricewise['price_section'], y=pricewise['sales'],
marker={'color': pricewise['sales'], 'colorscale': 'Viridis'}))
fig.update_layout(title_text='价格区间销量',
xaxis_title='价格区间', yaxis_title='销量')
fig.show()
4.2.3 销量和评论数与价格关系 图标如下，维生素销售量和评论主要集中在价格200元以下的，销售量集中在20K以下，评论集中在50K以下，价格50元以下销量和评论数都较高
代码如下：
# 一行两列图
fig = make_subplots(rows=1,cols=2)
fig.add_trace(go.Scatter(
y=tbdata["sales"],
x=tbdata["price"],
mode="markers",
name="销量",
marker=dict(
color="Teal",
size=10,showscale=True)),row=1,col=1)
fig.add_trace(go.Scatter(
y=tbdata["comments"],
x=tbdata["price"],
mode="markers",
name="评论数",
marker=dict(
color="Gold",
size=10,showscale=True)),row=1,col=2)
fig.show()
4.3 按店铺分析
4.3.1 店铺商品数量统计
图表如下，除了阿里健康大药房的商品种类达78种，前十店铺中商品集中在7-20中，前30店铺中大多只有2～5中维生素产品
代码如下
storewise = tbdata.groupby('storeName')['title'].count().reset_index()
storewise = storewise.sort_values('title', ascending=False).reset_index()
storewise.drop("index", axis=1, inplace=True)
fig = go.Figure()
fig.add_trace(
go.Bar(x=storewise['storeName'][:10],
y=storewise['title'][:10],
name='Top 10',
marker={'color': storewise['title'][:10], 'colorscale': 'Earth'}))
fig.add_trace(
go.Bar(x=storewise['storeName'][:30],
y=storewise['title'][:30],
name='Top 30',
marker={'color': storewise['title'][:30], 'colorscale': 'Earth'},
visible=False))
fig.update_layout(
updatemenus=[
dict(
type="buttons",
direction="right",
active=0,
x=0.57,
y=1.2,
buttons=list([
dict(label="Top 10",
method="update",
args=[{"visible": [True, False]},
{"title": "Top10 商铺数量店铺"}]),
dict(label="Top 30",
method="update",
args=[{"visible": [False, True]},
{"title": "Top30 商铺数量店铺"}]),
]),
)
])
fig.update_layout(
title_text="按店铺商铺数量统计分析",
xaxis_domain=[0.05, 1.0]
)
fig.show()
4.3.3 店铺商品销量统计
图表如下，阿里健康大药房商品种类和销量都名列第一，众久旗舰店只有7款产品却贡献126k的销售量，希希林保健品只售2款产品却达到57K销量
代码如下
storewise = tbdata.groupby('storeName')['sales'].sum().reset_index()
storewise = storewise.sort_values('sales', ascending=False).reset_index()
storewise.drop("index", axis=1, inplace=True)
fig = go.Figure()
fig.add_trace(
go.Bar(x=storewise['storeName'][:10],
y=storewise['sales'][:10],
text=storewise['sales'][:10],
name='Top 10',
marker={'color': storewise['sales'][:10], 'colorscale': 'Earth'}))
fig.add_trace(
go.Bar(x=storewise['storeName'][:30],
y=storewise['sales'][:30],
text=storewise['sales'][:30],
name='Top 30',
marker={'color': storewise['sales'][:30], 'colorscale': 'Earth'},
visible=False))
fig.update_traces(textposition='inside')
fig.update_layout(
updatemenus=[
dict(
type="buttons",
direction="right",
active=0,
x=0.57,
y=1.2,
buttons=list([
dict(label="Top 10",
method="update",
args=[{"visible": [True, False]},
{"title": "Top10 销量店铺"}]),
dict(label="Top 30",
method="update",
args=[{"visible": [False, True]},
{"title": "Top30 销量店铺"}]),
]),
)
])
fig.update_layout(
title_text="按店铺销售量统计分析",
xaxis_domain=[0.05, 1.0]
)
fig.show()
4.4 价格区间与店铺销量关系
图表如下，无商品定价于250～300价格段，阿里健康大药房和天猫国际进口超市各价格段商品均有分布，其它店家基本只有1到2个价格段产品
代码如下：
top7_stores = ['阿里健康大药房', '康恩贝官方旗舰店', '众久旗舰店', '修正官方旗舰店', '汤臣倍健佰健专卖店官',
'希希林保健品专营店', '天猫国际进口超市', '天然博士旗舰店']
perc = tbdata.loc[:, ["ps_sort", "price_section", "storeName", "sales"]]
perc["total_sales"]= perc.groupby([perc.ps_sort, perc.price_section, perc.storeName])["sales"].transform("sum")
perc.drop("sales", axis=1, inplace=True)
perc = perc.drop_duplicates()
perc = perc.sort_values("ps_sort", ascending=True)
perc = perc.loc[perc["storeName"].isin(top7_stores)]
perc = perc.sort_values("ps_sort")
fig = px.bar(perc, x="storeName",
y="total_sales",text="total_sales", animation_frame="price_section",
animation_group="storeName",
hover_name="price_section",
range_y=[0, 200000])
fig.update_traces(textposition='inside')
fig.update_layout(title_text="Top 7 价格区间销售情况",
xaxis_title='店铺名称', yaxis_title='销量')
fig.show()
# 堆积图代码
top7_stores = ['阿里健康大药房', '康恩贝官方旗舰店', '众久旗舰店', '修正官方旗舰店', '汤臣倍健佰健专卖店官','希希林保健品专营店', '天猫国际进口超市', '天然博士旗舰店']
perc = tbdata.loc[:, ["ps_sort", "price_section", "storeName", "sales"]]
perc = perc.groupby([perc.ps_sort, perc.price_section, perc.storeName])["sales"].sum().reset_index()
perc = perc.loc[perc["storeName"].isin(top7_stores)]
perc = perc.sort_values("ps_sort")
fig = go.Figure()
i=0
while i<10:
data = perc[perc.ps_sort == i]
i += 1
if len(data)<1:
continue
trace_name = data["price_section"].values[0]
fig.add_trace(go.Bar(x=data["storeName"], y=data["sales"],
text=data["sales"], name=trace_name))
fig.update_traces(textposition='inside')
fig.update_layout(title_text="Top7价格区间销售情况", barmode="relative",xaxis_title='店铺名称', yaxis_title='销量')
fig.show()
4.5 分词
4.5.1 商品名称的词云
词云显示如下，可见除了常见维生素b6，b2等，在商品名称中多包含容量数，以及买n送n宣传
代码如下：
text = list(set(tbdata["title"]))
wordcloud = WordCloud(font_path="/System/Library/Fonts/PingFang.ttc",
max_font_size=50,
max_words=50,
background_color="white").generate(str(text))
plt.imshow(wordcloud, interpolation="bilinear")
plt.axis("off")
plt.show()
4.6 按区域统计
可见商铺大陆主要集中在广东、浙江、上海和江苏，大陆以外主要是澳大利亚香港
代码如下：
tbdata = tbdata.groupby("province")["title"].count().reset_index()
tbdata = tbdata.sort_values("title",ascending=True)
fig = px.bar(tbdata[-20:], y="province", x="title",text="title")
fig.update_traces(textposition="inside")
fig.update_layout(title_text="按商铺地域的商品数量统计", barmode="stack",xaxis_title="商品数量", yaxis_title="省市地区")
fig.show()
扫一扫
132
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
