利用Python对某电商案例分析和进行RFM建模

最新推荐文章于 2025-02-28 08:37:30 发布

weixin_37674362

最新推荐文章于 2025-02-28 08:37:30 发布

阅读量2k

点赞数 3

分类专栏：数据分析文章标签： python 数据分析数据可视化

本文链接：https://blog.csdn.net/weixin_37674362/article/details/108817540

版权

该博客通过Python对电商数据进行分析，包括数据加载、预处理、描述性分析和RFM建模。首先利用pandas读取并检查数据，接着进行数据清洗和异常值处理。接着分析了2019年的销售情况、各平台表现、退货情况和用户行为。最后，建立了RFM模型，对用户价值进行了评分和分层。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

电商案例分析

分析思路

明确需求和目标：通过电商数据对客户行为进行分析
数据收集：

内部数据、购买数据、爬取数据、调查问卷、其他收集
本案例数据为某平台的电商数据已收集完成；

数据预处理

数据整合：横向整合、纵向整合
数据清洗：缺失值、空值、异常值
数据转换：如日期

数据分析：

描述性分析
推断性分析
数据可视化

数据加载

利用pandas读取数据

%matplotlib inline
import pandas as pd 
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_excel('./order.xlsx',index_col='id')
data.head()

	orderID	userID	goodsID	orderAmount	payment	chanelID	platformType	orderTime	payTime	chargeback
id
1	sys-2018-254118088	user-157213	PR000064	272.51	272.51	渠道-0396	APP	2018-02-14 12:20:36	2019-02-28 13:38:41	否
2	sys-2018-263312190	user-191121	PR000583	337.93	337.93	渠道-0765	Wech atMP	2018-08-14 09:40:34	2019-01-01 14:47:14	是
3	sys-2018-188208169	user-211918	PR000082	905.68	891.23	渠道-0530	We c hatMP	2018-11-02 20:17:25	2019-01-19 20:06:35	否
4	sys-2018-203314910	user-201322	PR000302	786.27	688.88	渠道-0530	WEB	2018-11-19 10:36:39	2019-08-07 12:24:35	否
5	sys-2018-283989279	user-120872	PR000290	550.77	542.51	渠道-9527	APP	2018-12-26 11:19:16	2019-10-01 07:42:43	否

查看数据整体信息和统计信息

字段说明：

orderID：订单ID
userID：用户ID
goodsID：商品ID
orderAmount：订单金额
payment：支付金额
chanelID：各渠道ID
platformType：渠道分类
orderTime：下单时间
payTime：下单支付时间
chargeback：是否退货

# 查看数据信息
data.info()
# 通过查看数据信息，发现只有chanelID存在缺失值，由于数据集总量较大，缺失部分很少可以直接删除；如果此列在后续中应用不到可以直接忽略

<class 'pandas.core.frame.DataFrame'>
Int64Index: 104557 entries, 1 to 104557
Data columns (total 10 columns):
 #   Column        Non-Null Count   Dtype         
---  ------        --------------   -----         
 0   orderID       104557 non-null  object        
 1   userID        104557 non-null  object        
 2   goodsID       104557 non-null  object        
 3   orderAmount   104557 non-null  float64       
 4   payment       104557 non-null  float64       
 5   chanelID      104549 non-null  object        
 6   platformType  104557 non-null  object        
 7   orderTime     104557 non-null  datetime64[ns]
 8   payTime       104557 non-null  datetime64[ns]
 9   chargeback    104557 non-null  object        
dtypes: datetime64[ns](2), float64(2), object(6)
memory usage: 8.8+ MB

# 查看数据统计信息
data.describe()
# payment 一般大于等于0，其中有负值，说明有可能由于退货、邮费等造成 我们需过滤此类数据

	orderAmount	payment
count	104557.000000	104557.000000
mean	1049.681521	1167.494225
std	1054.409968	2174.024855
min	6.100000	-12.470000
25%	432.040000	383.660000
50%	679.320000	641.230000
75%	1248.280000	1252.630000
max	28465.250000	83270.053829

数据预处理

增加字段，便于后续分析
异常值处理
- 使用pandas的describe方法检测异常值
- 删除异常值、视为缺失值处理、对数转换、使用临界值填充等具体根据业务选择
缺失值处理：
- 删除缺失值，如果样本容量足够大，缺失部分数量很少的情况下可以选择此方法
- 填充缺失值：
  1. 数值类型：均值、中值、插值填充
  2. 类别类型：众数填充
重复值处理：重复值通常对数据分析没有作用，一般选择直接删除

# 增加一列：下单日期和支付日期的时间间隔
from datetime import datetime 
data['interval']=(data['payTime']-data['orderTime']).dt.total_seconds()

# 截取2019年的的订单数据
starttime=datetime(2019,1,1)
endtime=datetime(2019,12,31,23,59,59)

# 把orderTime和payTime转化为datetime格式（如果两字段不是datetime格式时）
data['payTime']=pd.to_datetime(data['payTime'])
data['orderTime']=pd.to_datetime(data['orderTime'])

# 获取2019年的数据
data=data[data['orderTime']>starttime]
data=data[data['payTime']<endtime]
data.head()

	orderID	userID	goodsID	orderAmount	payment	chanelID	platformType	orderTime	payTime	chargeback	interval
id
6	sys-2019-279103297	user-146548	PR000564	425.20	425.20	渠道-0765	Wech atMP	2019-01-01 00:12:23	2019-01-01 00:13:37	否	74.0
7	sys-2019-316686066	user-104210	PR000709	1764.37	1707.04	渠道-0396	We c hatMP	2019-01-01 00:23:06	2019-01-01 00:23:32	否	26.0
8	sys-2019-306447069	user-104863	PR000499	499.41	480.42	渠道-0007	Wech atMP	2019-01-01 01:05:50	2019-01-01 01:06:17	否	27.0
9	sys-2019-290267674	user-206155	PR000253	1103.00	1050.95	渠道-0330	APP	2019-01-01 01:16:12	2019-01-01 01:16:25	否	13.0
10	sys-2019-337079027	user-137939	PR000768	465.41	465.41	渠道-9527	AL i MP	2019-01-01 01:31:00	2019-01-01 01:31:36	否	36.0

# 筛选出时间间隔小于0的数据
data[data['interval']<0]

	orderID	userID	goodsID	orderAmount	payment	chanelID	platformType	orderTime	payTime	chargeback	interval
id
14852	sys-2019-303932121	user-185935	PR000331	433.99	310.79	渠道-0283	APP	2019-03-19 13:34:13	2019-03-07 10:19:28	否	-1048485.0
15638	sys-2019-349926661	user-104304	PR000190	591.18	570.88	渠道-0765	APP	2019-03-23 13:53:31	2019-02-09 13:24:49	否	-3630522.0
16162	sys-2019-324041709	user-230753	PR000074	372.75	372.75	渠道-0007	WEB	2019-03-25 17:09:07	2019-02-06 09:57:19	是	-4086708.0
16383	sys-2019-314295685	user-182087	PR000082	1733.77	1694.03	渠道-0007	Wech atMP	2019-03-26 22:47:12	2019-02-07 19:58:25	否	-4070927.0
17003	sys-2019-348295045	user-109824	PR000134	713.46	707.36	渠道-0283	Wech atMP	2019-03-30 14:18:54	2019-02-07 15:14:04	否	-4403090.0

# 删除时间间隔小于0的数据即支付时间大于下单时间
print(data[data['interval']<0].index)
data.drop(data[data['interval']<0].index,inplace=True)

Int64Index([], dtype='int64', name='id')

# 删除支付时间间隔大于30分钟的，一般支付时间为30、20、15、10分钟，这里取30分钟；具体根据业务确定
data[data['interval']>1800]
data.drop(data[data['interval']>1800].index,inplace=True)

# 处理订单金额为负的数据
data[data['orderAmount']<0]
# 处理支付金额为负的数据
data[data['payment']<0]
data.drop(data[data['payment']<0].index,inplace=True)

# 对渠道platformType去除中间空格
print(data['platformType'].unique()) 
data['platformType'].str.replace(' ','')
data['platformType']=data['platformType'].str.replace(' ','') 
print('************************')
print(data['platformType'].unique())

['WechatMP' 'APP' 'ALiMP' 'WEB' 'WechatShop' 'Wap']
************************
['WechatMP' 'APP' 'ALiMP' 'WEB' 'WechatShop' 'Wap']

# 利用orderID唯一值的属性，查看数据是否唯一
data['orderID'].unique().size   #103321
# 删除重复数据
data.duplicated(subset='orderID')
data[data.duplicated(subset='orderID')]
data.drop_duplicates(subset='orderID',inplace=True)

# 清洗商品ID为pr00000000的商品，出现这种商品ID一般都是已下架的商品，所以需要清理
print(data[data['goodsID']=='PR000000'].shape)
data[data['goodsID']=='PR000000']
data.drop(data[data['goodsID']=='PR000000'].index,inplace=True)

(0, 11)

# 清洗chanelID的空值
data['chanelID'].isnull()
data['chanelID'].fillna(data['chanelID'].mode()[0],inplace=True)
data.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 103146 entries, 6 to 104301
Data columns (total 11 columns):
 #   Column        Non-Null Count   Dtype         
---  ------        --------------   -----         
 0   orderID       103146 non-null  object        
 1   userID        103146 non-null  object        
 2   goodsID       103146 non-null  object        
 3   orderAmount   103146 non-null  float64       
 4   payment       103146 non-null  float64       
 5   chanelID      103146 non-null  object        
 6   platformType  103146 non-null  object        
 7   orderTime     103146 non-null  datetime64[ns]
 8   payTime       103146 non-null  datetime64[ns]
 9   chargeback    103146 non-null  object        
 10  interval      103146 non-null  float64       
dtypes: datetime64[ns](2), float64(3), object(6)
memory usage: 9.4+ MB

# 清洗payment字段，如果payment金额大于orderamount说明数据有问题，需要处理
# 增加折扣字段
data['discount'] = data['payment'] / data['orderAmount']
# 求出折扣在0-1之间的折扣均值
# 先找出相应的折扣在0-1之间的数据
data_discount = data[data['discount'] <= 1]
# 计算折扣均值
discount_mean = data_discount['discount'].mean()  #方法一
mean = data[data['discount'] <= 1].discount.sum() / data

最低0.47元/天解锁文章