数据分析-24-母婴产品电商可视化分析（包含代码数据）

0. 代码数据获取

关注公众号：『AI学习星球』
回复：母婴产品电商 即可获取数据下载。
算法学习、4对1辅导、论文辅导或核心期刊可以通过公众号或➕v：codebiubiubiu滴滴我

---

1. 项目

1.1 项目介绍

今年来母婴的消费逐渐增加，这是一份关于淘宝天猫的一份母婴的销售数据。分析该数据集有利于了解目前市场的销售情况，便于做出运营决策，提高销售额。

1.2 分析目的

• 帮助在线商家针对不同的时间节点和场景做出不同的销售和运营管理策略，帮助商家提高销量和营业额、减少经营成本。
• 根据baby一表中的birthday字段判断出客户宝宝的年龄，或者根据孩子的信息(年龄、性别等)及对应的商品销量来推断用户喜好进行精准营销。

1.3 分析思路

此数据集中能得到的指标主要有：营运指标—>成交指标—>成交数量和成交用户数，会员指标—>会员复购率和平均购买次数。

此分析中根据场景对成交数量表述为销量或购买的数量等，对成交用户数表述成购买用户数或用户数等。此分析主要结合销量和购买用户数一起分析购买情况。

本次分析主要想探索下列问题：

1. 想知道购买情况的整体趋势如何，是否有“季节成分”，即一年内或持续时间小于一年的有规则的、重复的运动，分别按星期，按月和按季度来分析季节成分；
2. 每个大类的购买情况如何，哪些小类是热门，哪些小类又是冷门；
3. 用户购买的商品种类和婴儿信息有什么关系，具体热销商品对应的用户画像；
4. 复购情况如何，分析复购的用户和商品种类。

2. 数据集介绍

2.1 数据信息

数据来自淘宝和天猫上购买婴儿用品信息，本数据集包括两个文件：

• tianchi_mum_baby_trade_history.csv - 交易记录表
• tianchi_mum_baby.csv - 婴儿信息表

真实数据集的数据量非常大，仅婴儿信息就有900多万，天池数据集只给出了一些样本数据。

表：包含29972行，7列。

2.2 字段含义

tianchi_mum_baby_trade_history.csv，一共29972行，7列

字段名字	字段含义
user_id	用户id
auction_id	购买行为编号
cat1	商品所属的大类
cat_id	商品种类id，cat_id是cat1的子类，是更细分的类别
property	商品属性
buy_mount	购买数量
day	购买时间

tianchi_mum_baby.csv，一共954行，3列。

字段名字	字段含义
user_id	用户id
birthday	出生日期
gender	性别（0 女孩，1 男孩，2性别不明）

3. 数据清洗

3.1 导入包和查看数据

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei'
%matplotlib inline
df = pd.read_csv('tianchi_mum_baby_trade_history.csv', engine='python', parse_dates=['day'])
df.shape

(29971, 7)

3.2 查看列的信息

df.info()                 

• 这里只有property这列的数据有异常，只有29827条数据，其他的数据都没异常，

• property这列的数据不做处理，这列的数据较分散，难以分析

3.3 查看表平均值这些

df.describe()

• 查看数据的计数、平均值、标准差、最小值、最大值、1/4分位数，2/4分位数、3/4分位数
• 这里的buy_mount最大值为1000，是异常数据

3.4 查出重复的user_id

df[df.duplicated('user_id')].shape

(27, 7)

• 查找出重复的数据，并查看数据的详细信息，再决定进一步要怎么清洗数据,
• 数据匹配的上，有27条重复的数据

这里有27条重复的数据，进一步查看这些数据：

df[df.duplicated('user_id')].user_id

• 查看重复数据的ID，进一步将全部的重复数据找出来，对比下，重复数据是由于复购或者数据异常这样

进一步查看user_id重复的原始数据：

df[df.user_id.isin(df[df.duplicated('user_id')].user_id)].sort_values(by='user_id', ascending=True)

• 查找所有的重复数据，并按user_id排序
• 52条数据52-27
• 25个人重复购买
• 观察每个用户的下单日期day，可以看出这些用户，是重复购买的用户，数据没有异常

3.5 清洗buy_mount列

df.drop(index=df[df.buy_mount>101].index, inplace=True)

• 这里最大值是10000，有异常值，标准差是63.98，均值是2.54
• 这里直接将购买数量大于101的数据当做异常值，这些数据有41条，占了0.1%

---

关注公众号：『AI学习星球』
回复：母婴产品电商 即可获取数据下载。
算法学习、4对1辅导、论文辅导或核心期刊可以通过公众号或➕v：codebiubiubiu滴滴我

---

4. 针对目的进行分析

4.1 销量数量前10的类别ID

sale_num_top = df.groupby("cat_id").sum()['buy_mount'].sort_values(ascending=False).head(10).reset_index()
# 这里将cat_id转换成str类型，并在前面+个_是为了画图的时候，x轴不是按cat_id大小来排序的，
# 这会导致画的数据标签错位的。
sale_num_top['cat_id'] = sale_num_top['cat_id'].apply(lambda x:'_' + str(x))
# 可视化
import seaborn as sns
plt.figure(figsize=(6,4), dpi=128)
sns.barplot(x='cat_id', y='buy_mount', data=sale_num_top)
plt.xticks(rotation=70)
for a, b in enumerate(sale_num_top.buy_mount):
    plt.text(a, b, b, va='center', ha='center', rotation=45)

4.2 订单量前10的类别ID

order_num_top = df.groupby('cat_id').count()[
    'user_id'].reset_index().rename(columns={'user_id': 
                                             'order_num'}).sort_values(
    by='order_num', ascending=False).head(10)
order_num_top['cat_id'] = order_num_top['cat_id'].apply(lambda x:'_' + str(x))
#可视化
plt.figure(figsize=(6,4), dpi=128)
sns.barplot(x='cat_id', y='order_num', data=order_num_top)
plt.xticks(rotation=70)
for a, b in enumerate(order_num_top.order_num):
    plt.text(a, b, b, va='center', ha='center', rotation=45)

cat1_sale_num = df.groupby('cat1').sum()['buy_mount'].reset_index()
cat1_sale_num['cat1'] = cat1_sale_num['cat1'].apply(lambda x:'_' + str(x))
#可视化
plt.figure(figsize=(6,4), dpi=128)
sns.barplot(x='buy_mount', y='cat1', data=cat1_sale_num)
plt.xticks(rotation=70)
for a, b in enumerate(cat1_sale_num.buy_mount):
    plt.text(b, a, b, va='center', ha='center')

2.4 根类别的订单量

cat1_order_num = df.groupby('cat1').count()['user_id'].reset_index().rename(
columns={'user_id': 'order_num'}).sort_values(by='order_num', ascending=False)
cat1_order_num['cat1'] = cat1_order_num['cat1'].apply(lambda x:'_' + str(x))
#可视化
plt.figure(figsize=(6,4), dpi=128)
sns.barplot(x='order_num', y='cat1', data=cat1_order_num)
plt.xticks(rotation=70)
for a, b in enumerate(cat1_order_num.order_num):
    plt.text(b, a, b, va='center', ha='center')

4.5 年的销量数量

# 增加年这个辅助列
df['year'] = df['day'].dt.year
# 随机抽取10条数据看下辅助列是否正确添加
df.sample(10)

成功增加辅助列 - 年

year_sale_num = df.groupby('year').sum()['buy_mount'].reset_index()
#可视化
plt.figure(figsize=(6,4), dpi=128)
sns.barplot(x='year', y='buy_mount', data=year_sale_num)
plt.xticks(rotation=70)
for a, b in enumerate(year_sale_num.buy_mount):
    plt.text(a, b, b, va='center', ha='center', rotation=45)

---

关注公众号：『AI学习星球』
回复：母婴产品电商 即可获取数据下载。
算法学习、4对1辅导、论文辅导或核心期刊可以通过公众号或➕v：codebiubiubiu滴滴我

---

4.6 年的订单量

year_order_num = df.groupby('year').count()['buy_mount'].reset_index()
# 可视化
plt.figure(figsize=(6,4), dpi=128)
sns.barplot(x='year', y='buy_mount', data=year_order_num)
plt.xticks(rotation=70)
for a, b in enumerate(year_order_num.buy_mount):
    plt.text(a, b, b, va='center', ha='center', rotation=45)

4.7 月的销售数量

增加付出列 - 月

df['month'] = df['day'].dt.month
df.sample(10)

成功添加辅助列 - 月

month_sale_num = df.groupby(['year', 'month']).sum()[
    'buy_mount'].reset_index()
# 可视化
plt.figure(figsize=(6,4), dpi=128)
palette = sns.color_palette("mako_r", 4)
sns.lineplot(x='month', y='buy_mount', hue='year', data=month_sale_num, palette=palette)

4.8 月的订单数

month_order_num = df.groupby(['year', 'month']).count()[
    'user_id'].reset_index().rename(columns={'user_id': 'order_num'})
#可视化
plt.figure(figsize=(6,4), dpi=128)
palette = sns.color_palette("mako_r", 4)
sns.lineplot(x='month', y='order_num', hue='year', data=month_order_num, palette=palette)

4.9 每年各跟类别的销售数量占比

year_cat1_sale_num = df.groupby(['year', 'cat1']).sum()['buy_mount'].reset_index()
#窗口函数，按年求年销售数量的总和
year_cat1_sale_num['sum'] = year_cat1_sale_num.groupby('year')['buy_mount'].transform('sum')
year_cat1_sale_num['rate'] = round((year_cat1_sale_num['buy_mount'] / year_cat1_sale_num['sum']) * 100,2)
# 传入绘图Y轴的参数
y1 = year_cat1_sale_num[year_cat1_sale_num.cat1==28].rate
y2 = year_cat1_sale_num[year_cat1_sale_num.cat1==38].rate
y3 = year_cat1_sale_num[year_cat1_sale_num.cat1==50008168].rate
y4 = year_cat1_sale_num[year_cat1_sale_num.cat1==50014815].rate
y5 = year_cat1_sale_num[year_cat1_sale_num.cat1==50022520].rate
y6 = year_cat1_sale_num[year_cat1_sale_num.cat1==122650008].rate

# 柱状堆叠图
import pyecharts.options as opts
from pyecharts.charts import Bar

years = ['2012', '2013', '2014', '2015']
bar = (
    Bar()
    .add_xaxis(years)
    .add_yaxis('28', list(y1), stack='stack1')
    .add_yaxis('38', list(y2), stack='stack1')
    .add_yaxis('50008168', list(y3), stack='stack1')
    .add_yaxis('50014815', list(y4), stack='stack1')
    .add_yaxis('50022520', list(y5), stack='stack1')
    .add_yaxis('122650008', list(y6), stack='stack1')
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True, 
                                               position='center',
                                              color='black',
                                              font_size=18,
                                              formatter="{c} %"))
    .set_global_opts(title_opts=opts.TitleOpts(title='每年各跟类别的销售数量占比'),
                     xaxis_opts=opts.AxisOpts(name='年份'),       
                     yaxis_opts=opts.AxisOpts(name='各跟类别的销售数量占比'))
)


# bar.render('柱状堆叠图4.html')  
bar.render_notebook()

4.10 每年各跟类别的订单量占比

year_cat1_order_num = df.groupby(['year', 'cat1']).count()[
    'user_id'].reset_index().rename(columns={'user_id': 'order_num'})

#窗口函数，按年求年订单量的总和
year_cat1_order_num['sum'] = year_cat1_order_num.groupby(
    'year')['order_num'].transform('sum') 
#将其转换成十位数，并保留两位小数
year_cat1_order_num['rate'] = round((year_cat1_order_num[
    'order_num'] / year_cat1_order_num['sum'])*100, 2) 

#柱状图的y值
y1 = year_cat1_order_num[year_cat1_order_num.cat1==28].rate
y2 = year_cat1_order_num[year_cat1_order_num.cat1==38].rate
y3 = year_cat1_order_num[year_cat1_order_num.cat1==50008168].rate
y4 = year_cat1_order_num[year_cat1_order_num.cat1==50014815].rate
y5 = year_cat1_order_num[year_cat1_order_num.cat1==50022520].rate
y6 = year_cat1_order_num[year_cat1_order_num.cat1==122650008].rate  

#可视化
years = ['2012', '2013', '2014', '2015']
bar = (
    Bar()
    .add_xaxis(years)
    .add_yaxis('28', list(y1), stack='stack1')
    .add_yaxis('38', list(y2), stack='stack1')
    .add_yaxis('50008168', list(y3), stack='stack1')
    .add_yaxis('50014815', list(y4), stack='stack1')
    .add_yaxis('50022520', list(y5), stack='stack1')
    .add_yaxis('122650008', list(y6), stack='stack1')
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True, 
                                               position='center',
                                              color='black',
                                              font_size=18,
                                              formatter="{c} %"))
    .set_global_opts(title_opts=opts.TitleOpts(title='每年各跟类别的订单量占比'),
                     xaxis_opts=opts.AxisOpts(name='年份'),       
                     yaxis_opts=opts.AxisOpts(name='各跟类别的订单量占比'))
)


# bar.render('订单量1.html')
bar.render_notebook()

4.11 用户性别分布情况

a. 读取tianchi_mum_baby.csv表，并清洗数据

baby_df = pd.read_csv('tianchi_mum_baby.csv', engine='python', parse_dates=['birthday'])
baby_df.shape                     

(953, 3)

b. 查看列的信息

baby_df.info()

没有缺失值

c. 查看有没有重复的user_id

baby_df.user_id.unique().size

953

d. 查看未知性别的有多少

性别变量的三个值：0女性，1男性，2未知

baby_df[baby_df.gender==2].shape

(26, 3)

性别未知的有26人，占了总数的2.7%，直接删除处理

baby_df.drop(index=baby_df[baby_df.gender==2].index, inplace=True)

e. 将量表内连接作为样本来分析

sample_df = pd.merge(df, baby_df, on='user_id', how='inner')
sample_df.shape

(929, 11)

f. 查看user_id重复的数据

sample_df[sample_df.duplicated('user_id')]

进一步查看所有重复数据

sample_df[sample_df.user_id.isin(['116466705', '213455117', '69889555'])]

可以看出这些是重复购买的数据，没有异常。

g. 将0转换成女性，1转换成男性：

def parse_gender(x):
    if x== 0:
        return "女"
    else:
        return "男"
sample_df['gender'] = sample_df['gender'].apply(parse_gender)
sample_df

用户性别分布情况

plt.figure(figsize=(6, 4), dpi=128)
sample_df.groupby('gender').count()['user_id'].plot(kind='pie', autopct='%.2f%%')

---

关注公众号：『AI学习星球』
回复：母婴产品电商 即可获取数据下载。
算法学习、4对1辅导、论文辅导或核心期刊可以通过公众号或➕v：codebiubiubiu滴滴我

---

4.12 各性别的销售数量

gender_sale_num = sample_df.groupby('gender').sum()['buy_mount'].reset_index()
# 可视化
plt.figure(figsize=(6,4), dpi=128)
sns.barplot(x='gender', y='buy_mount', data=gender_sale_num)
plt.xticks(rotation=70)
for a, b in enumerate(gender_sale_num.buy_mount):
    plt.text(a, b, b, va='center', ha='center', rotation=45)

4.13 各性别的订单量

gender_order_num = sample_df.groupby('gender').count()[
    'user_id'].reset_index().rename(columns={'user_id': 'order_num'})
#可视化
plt.figure(figsize=(6,4), dpi=128)
sns.barplot(x='gender', y='order_num', data=gender_order_num)
plt.xticks(rotation=70)
for a, b in enumerate(gender_order_num.order_num):
    plt.text(a, b, b, va='center', ha='center', rotation=45)    

4.14 各性别销售数量中的跟类别占比

gender_cat1_sale_num = sample_df.groupby(['gender', 'cat1']).sum()[
    'buy_mount'].reset_index()

gender_cat1_sale_num['sum'] = gender_cat1_sale_num.groupby(
    'gender')['buy_mount'].transform('sum') 

gender_cat1_sale_num['rate'] = round((gender_cat1_sale_num['buy_mount'] / 
                                     gender_cat1_sale_num['sum'])*100, 2) 
y1 = gender_cat1_sale_num[gender_cat1_sale_num.cat1==28].rate
y2 = gender_cat1_sale_num[gender_cat1_sale_num.cat1==38].rate
y3 = gender_cat1_sale_num[gender_cat1_sale_num.cat1==50008168].rate
y4 = gender_cat1_sale_num[gender_cat1_sale_num.cat1==50014815].rate
y5 = gender_cat1_sale_num[gender_cat1_sale_num.cat1==50022520].rate
y6 = gender_cat1_sale_num[gender_cat1_sale_num.cat1==122650008].rate

years = ['女', '男']
bar = (
    Bar()
    .add_xaxis(years)
    .add_yaxis('28', list(y1), stack='stack1')
    .add_yaxis('38', list(y2), stack='stack1')
    .add_yaxis('50008168', list(y3), stack='stack1')
    .add_yaxis('50014815', list(y4), stack='stack1')
    .add_yaxis('50022520', list(y5), stack='stack1')
    .add_yaxis('122650008', list(y6), stack='stack1')
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True, 
                                               position='center',
                                              color='black',
                                              font_size=18,
                                              formatter="{c} %"))
    .set_global_opts(title_opts=opts.TitleOpts(title='各性别销售数量中的跟类别占比'),
                     xaxis_opts=opts.AxisOpts(name='年份'),       
                     yaxis_opts=opts.AxisOpts(name='各跟类别的销售数量占比'))
)


# bar.render('各性别销售数量中的跟类别占比1.html')  
bar.render_notebook()

4.15 各性别订单量中的跟类别占比

gender_cat1_order_num = sample_df.groupby(['gender', 'cat1']).count()[
    'user_id'].reset_index().rename(columns={'user_id': 'order_num'})

gender_cat1_order_num['sum'] = gender_cat1_order_num.groupby(
    'gender')['order_num'].transform('sum')

gender_cat1_order_num['rate'] = round((gender_cat1_order_num['order_num'] / 
                                     gender_cat1_order_num['sum'])*100, 2)

y1 = gender_cat1_order_num[gender_cat1_order_num.cat1==28].rate
y2 = gender_cat1_order_num[gender_cat1_order_num.cat1==38].rate
y3 = gender_cat1_order_num[gender_cat1_order_num.cat1==50008168].rate
y4 = gender_cat1_order_num[gender_cat1_order_num.cat1==50014815].rate
y5 = gender_cat1_order_num[gender_cat1_order_num.cat1==50022520].rate
y6 = gender_cat1_order_num[gender_cat1_order_num.cat1==122650008].rate


years = ['女', '男']
bar = (
    Bar()
    .add_xaxis(years)
    .add_yaxis('28', list(y1), stack='stack1')
    .add_yaxis('38', list(y2), stack='stack1')
    .add_yaxis('50008168', list(y3), stack='stack1')
    .add_yaxis('50014815', list(y4), stack='stack1')
    .add_yaxis('50022520', list(y5), stack='stack1')
    .add_yaxis('122650008', list(y6), stack='stack1')
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True, 
                                               position='center',
                                              color='black',
                                              font_size=18,
                                              formatter="{c} %"))
    .set_global_opts(title_opts=opts.TitleOpts(title='各性别订单量中的跟类别占比'),
                     xaxis_opts=opts.AxisOpts(name='年份'),       
                     yaxis_opts=opts.AxisOpts(name='各跟类别的订单量占比'))
)


# bar.render('各性别订单量中的跟类别占比1.html')
bar.render_notebook()

4.16 各年龄层人数分布

a. 增加age辅助列

sample_df['age'] = sample_df['birthday'].apply(lambda x: 2020 - int(x.year))
sample_df.sample(5)   

b. 增加age_type辅助列

def parse_age_to(age):
    if age <3:
        return "3岁以下"
    elif age<6:
        return "3-5岁"
    elif age<9:
        return "6-8岁"
    elif age<12:
        return "9-11岁"
    elif age<15:
        return "12-14岁"
    else:
        return "15岁以上"
sample_df['age_type'] = sample_df['age'].apply(parse_age_to)
sample_df.sample(5)        

c. 各年龄层人数分布

age_type_user_num = sample_df.groupby('age_type').count()['user_id'].reset_index().rename(columns={'user_id': 'order_num'})
sns.scatterplot(x='age_type', y='order_num', size='order_num', data=age_type_user_num)

4.17 各年龄层销售数量情况

age_type_sale_num = sample_df.groupby('age_type').sum()[
    'buy_mount'].reset_index()
#可视化   
plt.figure(figsize=(6,4), dpi=128)
sns.barplot(x='age_type', y='buy_mount', data=age_type_sale_num)
plt.xticks(rotation=70)
for a, b in enumerate(age_type_sale_num.buy_mount):
    plt.text(a, b, b, va='center', ha='center', rotation=45)    

5. 总结

1. 总体销售情况：
   • 总体销售量逐年增长但每月销售量的波动大。
   • 受到春节的影响，每年年1、2月份的销量下降。
   • 受到双11、双12的影响促销活动日期都有一定的涨幅。
2. 用户画像
   • 消费者中女孩与男孩的人数占比接近，女孩稍多于男孩。
   • 消费者的年龄主要集中在0-3岁，0-3岁购买的商品总量也最大。
   • 性别中含有未知这一项，消费者可能是准妈妈/准爸爸，占比较少。
3. 商品销售情况
   • 大多数的用户订单购买量是一件，且复购率极低。
   • 大类50014815、50008168和28的销量最高
   • 大类38虽然子类数量少销量少但是人均用户购买量却很大，复购率也最高，可以考虑在该大类下新增子类，增加用户选择，提高销量。

---

关注公众号：『AI学习星球』
回复：母婴产品电商 即可获取数据下载。
算法学习、4对1辅导、论文辅导或核心期刊可以通过公众号或➕v：codebiubiubiu滴滴我