python商品销售情况数据分析_4-python数据分析-淘宝婴儿用品分析项目

加载购买商品表的数据

购买商品表字段信息：

用户ID 商品ID 商品二级分类 商品一级分类 商品属性 购买数量 购买日期

importpandas as pdimportnumpy as npimportmatplotlib.pyplot as pltfrom pandas importSeries, DataFrame%matplotlib inline 魔法指令#导入数据

buy = pd.read_csv('./淘宝婴儿用品案例数据/(sample)sam_tianchi_mum_baby_trade_history.csv', engine='python')

考虑到属性字段，都是一些编号，没办法具体分析，因此去除该字段

buy.drop(labels='property', axis=1, inplace=True)

将day列的数据转换成时间序列

#这里需要给时间指定格式

buy['day'] = pd.to_datetime(buy['day'], format='%Y%m%d')

查看数据的时间范围

显示出数据集的最早购买时间和最后购买时间

buy['day'].min(), buy['day'].max()

(Timestamp('2012-07-02 00:00:00'), Timestamp('2015-02-05 00:00:00'))

查看buy_mount是否存有异常值

购买数量小于等于零为异常数据

#通过条件查询购买数量小于等于0的数据，返回布尔值#如果小于等于就返回True为1,否则布尔值False为0,求和结果大于0说明有异常值

(buy['buy_mount'] <=0).sum()

0

此时返回0，说明没有异常值

查看数据集用户购买商品的情况

需要获知，大部分用户是多次购买商品还是只是购买了一次商品

#nunique 可以返回去重后的个数，相当于unique加count#这里通过这个操作得到总user_id数

buy['user_id'].nunique()29944

#shape[0] 获取总体数据有多少行，得到总交易数

buy.shape[0]29971

29971笔交易是29944个用户产生的，所以一次购买的多

加载婴儿表的数据

婴儿信息表字段信息：

用户ID 出生日期 性别

baby = pd.read_csv('./淘宝婴儿用品案例数据/(sample)sam_tianchi_mum_baby.csv', engine='python')

把birthday转换成时间序列

baby['birthday'] = pd.to_datetime(baby['birthday'], format='%Y%m%d')

查看gender列是否存在异常数据

#value_counts 可以统计一列的元素种类并记录

baby['gender'].value_counts()

0489

1 438

2 26Name: gender, dtype: int64

通过上述操作2为异常数据，并且有26个

清除gender列中的异常数据

#通过条件筛选出gender中不是2的数据，重新给baby表赋值，清掉异常值

baby = baby.loc[~(baby['gender'] == 2)]

查看婴儿表中的男女比例

#value_counts 的到gender中的元素种类及个数

baby['gender'].value_counts()

0489

1 438Name: gender, dtype: int64489/438

1.1164383561643836

男女比例近似1:1

汇总婴儿表和购买商品表的数据

df = pd.merge(buy, baby, on='user_id', how='outer')

查看新老用户的数量

#对user_id分组求用户第一次购买时间和最后一次购买时间

user_df = df.groupby(by='user_id')['day'].agg(['min','max'])#如果用户第一次购买时间和最后一次购买时间相等则是新用户，不等就是老用户

(user_df[min] ==user_df[max]).value_counts()

True29920False24dtype: int64

给数据添加新的一列为购买的月份

df['month'] = df['day'].astype('datetime64[M]')

查看每个月商品的销量情况,绘制线形图进行展示

#对月分组求每月的销量和

month_sales = df.groupby(by='month')['buy_mount'].sum()

plt.plot(month_sales.index, month_sales.values)

plt.xticks(rotation=30) #rotation=30 让它倾斜30度

查看12，13，14年每个月的销量情况，绘制线性图进行展示

提示1：给源数据添加一列为购买的年份

提示2：给源数据添加一列为购买的年份的第几个月

比如购买时间为2010-10-12，该时间为该年的第10个月，添加数据为10

#对原数据添加购买年份和购买年份的月份俩列

df['month_num'] = df['day'].dt.month

df['year'] = df['day'].astype('datetime64[Y]')

#对年和月分组求销量和

year_month_sales = df.groupby(by=['year', 'month_num'])['buy_mount'].sum()

#将每年的数据单独取出

sale_2012 = year_month_sales['2012-01-01']

sale_2013= year_month_sales['2013-01-01']

sale_2014= year_month_sales['2014-01-01']

plt.plot(sale_2012.index, sale_2012.values, label='2012')

plt.plot(sale_2013.index, sale_2013.values, label='2013')

plt.plot(sale_2014, label='2014')

plt.legend()

通过走势分析发现，在每年的5月，9月，11月都有不同程度的高峰凸起，整体呈现上涨趋势，接下来分析，为什么销量上涨?

查看每年的5，9，11这三个月每天的销量情况

查看12，13年11月份每天的销量情况，同理查看5，9月每天的销量情况

提示：给原始数据添加一列为销售时间的天数

11月

通过query对原始数据筛选

df['day_num'] = df['day'].dt.day

#每年11销量 由于14年11月存在一笔很大的订单导致销量异常，现将其14年11排除

df_12_11 = df.query('year == "2012-01-01" & month_num == 11')

df_13_11= df.query('year == "2013-01-01" & month_num == 11')

df_14_11= df.query('year == "2014-01-01" & month_num == 11')

df_12_11_sale= df_12_11.groupby('day_num')['buy_mount'].sum()

df_13_11_sale= df_13_11.groupby('day_num')['buy_mount'].sum()#由于14年11月存在一笔很大的订单导致销量异常，现将其14年11月排除

df_14_11_sale = df_14_11.groupby('day_num')['buy_mount'].sum()

df_14_11_sale

plt.plot(df_12_11_sale.index, df_12_11_sale.values, label='12-11')

plt.plot(df_13_11_sale, label='13-11')

plt.legend()

结论：2012年在11月10日和11月19日出现高峰，2013年在11月11日和11月29日出现高峰很明显是双十一促销带来的影响。

5月

#没有12年5月的数据

df_13_5 = df.query('year == "2013-01-01" & month_num == 5')

df_14_5= df.query('year == "2014-01-01" & month_num == 5')

df_13_5_sale= df_13_5.groupby(by='day_num')['buy_mount'].sum()

df_14_5_sale= df_14_5.groupby('day_num')['buy_mount'].sum()

plt.plot(df_13_5_sale,label='13-5')

plt.plot(df_14_5_sale, label='14-5')

plt.legend()

结论：13年和14年5月与出现了不同的峰值，很可能是因为节日导致销量的上升，因为5月有劳动节，母亲节还有520，521

#每年9月的销量

df_12_9_sale = df.query('year == "2012-01-01" & month_num == 9').groupby('day_num')['buy_mount'].sum()

df_13_9_sale= df.query('year == "2013-01-01" & month_num == 9').groupby('day_num')['buy_mount'].sum()#14年9月存在异常大单

df_14_9_sale = df.query('year == "2014-01-01" & month_num == 9').groupby('day_num')['buy_mount'].sum()

plt.plot(df_12_9_sale, label='12-9')

plt.plot(df_13_9_sale, label='13-9')#plt.plot(df_14_9_sale, label='14-9')

plt.legend()

结论：9月有中秋节，9月的峰值很可能是中秋节销量上涨

分析一级分类商品的销量情况,使用柱状图显示

cat1_sales = df.groupby('cat1')['buy_mount'].sum()#要将index转成str

plt.bar(cat1_sales.index.astype('str'), cat1_sales.values)

plt.xticks(rotation=30)

28商品的销量最高，这里要注意销量高并不是热销产品

分析一级分类商品的购买用户人数,使用柱状图显示

买的人多的产品，才是热销产品

#这里要使用nunique去重计数，count会将重复值计算到其中

cat1_user_count = df.groupby('cat1')['user_id'].nunique()

plt.bar(cat1_user_count.index.astype('str'), cat1_user_count.values)

结论：从图中可以看出 68结尾的商品，购买用户人数是最大的，但是总销量低于28产品，按照我们对于热销产品的定义，50008168为热销产品。

热销产品为购买人数最多的产品而不是销量最高的产品，因为可能会有少量用户一次性购买大量的某种商品