sql查询当天交易总额最大的用户信息_京东用户行为数据分析（SQL）

一、 项目背景

项目对京东零售集团的运营数据集进行指标分析，研究京东用户在购物过程中的行为习

惯，购物偏好，在购物过程中各个环节的转化和流失情况，为运营决策提供数据支撑。

二、 数据介绍

本数据集采用京东用户行为数据表(jdata_action)，包含了2018-02-01到2018-04-15期间用户的购物行为信息，数据已经过脱敏处理，数据集包含5个字段，各字段的含义如下：

三、 数据清洗

本项目数据清洗工作如下所示：

四、 分析思路

本项目主要从用户整体行为信息，用户行为习惯，用户在购物环节转换流失情况，用户购物偏好以及用户价值等方面进行数据分析，分析思路如下图

五、 数据清洗

1. 选择子集

数据量较大，本次分析选取2018-04-02,到2018-04-14时间段内的数据。

2. 整理列字段

(1)添加日期时间列

本原始数据集共有user_id, sku_id,action_time,module_id,type等5个字段，用户行为时间action_time精确到秒，为了便于分析用户行为随时间变化的规律，在源数据集中添加两个字段date和time，分别存放用户发生行为的日期和小时信息。SQL代码如下：

ALTER TABLE jd_data ADD COLUMN date VARCHAR ( 10 ) NOT NULL;

UPDATE jd_data

SET date = SUBSTRING( action_time, 1, 10 );

ALTER TABLE jd_data ADD COLUMN time VARCHAR ( 10 ) NOT NULL;

UPDATE jd_data

SET time = SUBSTRING( action_time, 12, 2 );

(2)用户行为类型映射

数据集中用户的行为类型type的值为1,2,3,4,5，其中1为浏览，2为下单，3为关注，4为评论，5为加购物车。本次分析暂不考虑评论的行为信息，因此在分析中删除行为类型为4的类型，另一方面，为了便于理解，将其余行为类型作如下映射，1：pv，2：pay，3：fav，5：cart。相关SQL语句如下：

#删除行为类型为4的数据

DELETE FROM jd_data

WHERE type = 4;

#对用户行为类型进行映射处理

UPDATE jd_data

SET type = 'pv'

WHERE

type = 1;

UPDATE jd_data

SET type = 'pay'

WHERE

type = '2';

UPDATE jd_data

SET type = 'fav'

WHERE

type = '3';

UPDATE jd_data

SET type = 'cart'

WHERE

type = '5';

处理完成后，查看type中的行为类型

SELECT DISTINCT type

FROM jd_data;

最终查询结果如下，行为类型中有pv,pay,cart,fav四种

3. 删除重复值

设置数据集字段user_id,sku_id,action_time为主键，确保导入的数据没有重复值。为了进一步核实数据重复情况，作如下检查。

DELETE FROM jd_data

WHERE (user_id,sku_id,action_time,module_id,type)

IN

(SELECT * FROM

(SELECT user_id,sku_id,action_time,module_id,type

FROM jd_data

GROUP BY user_id,sku_id,action_time,module_id,type

HAVING COUNT(*)>1) temp);

运行结果如下，各字段均为NULL，证实数据集中无重复值。

4. 缺失值处理

查看数据集中有误缺失值。

SELECT

COUNT( user_id ),

COUNT( sku_id ),

COUNT( action_time ),

COUNT( module_id ),

COUNT( type ),

COUNT( date ),

COUNT( time )

FROM

jd_data;

运行结果如下，各个字段的数据个数均为6044722，则表中无缺失值。

5. 异常值处理

本次分析主要针对于2018-04-02,到2018-04-14时间段内的数据，查询数据集中有误此时间范围外的数据。

SELECT MIN(date),MAX(date)

FROM jd_data;

运行结果如下，日期在设定的范围内，数据集中无异常值。

六、 数据分析

(一) 数据总体行为概览

1. 总体UV,PV,人均浏览次数，成交量<