【Python数据分析】电商交易数据分析

最新推荐文章于 2025-04-11 17:22:16 发布

weixin_46118465

最新推荐文章于 2025-04-11 17:22:16 发布

阅读量1.3k

点赞数 1

文章标签： python 数据分析

本文链接：https://blog.csdn.net/weixin_46118465/article/details/106523038

版权

本文通过分析电商交易数据，了解业务场景，进行数据清洗和初步分析。主要涉及订单重复值检查、数值异常处理、缺失值填充、日期类型转换、数据切片与分组等操作。分析了商品销量、销售额、城市分布、价格区间、渠道占比、支付时间及月成交额等关键指标，旨在提升数据分析能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

分析目的:
通过分析一份电商交易数据, 熟悉电商的常见的业务场景, 分析维度和指标, 为以后从事相关工作积累经验

加载数据, 使用 head 方法查看前5条数据, 初步浏览数据基本内容。

在这里插入图片描述
2. 加载数据后, 先使用 describe 和 info 方法看下数据的大概分布情况。可以得到数据的一些描述性统计值，如每一列的条数、均值、最大值、最小值等等，还发现一些列的数据问题，比如productId最小值为0、payMoney最小值是负数、channelId有缺失值、为了方便后续分析，createTime和payTime还需要进行数据类型转换。

在这里插入图片描述
3. 开始进行数据清洗
#order_id，因为订单号是唯一的，所以要看看有无重复值，并删除，再回头看一下。

df[df['orderId'].duplicated()]
df.drop(df[df['orderId'].duplicated()].index,inplace=True)
df[df['orderId'].duplicated()] # 查看一下

#userId，因为一个用户可能有多个订单，所以userId可能存在重复值是合理的。

#productId,同理一个商品出现在多个订单中也是合理的，所以有重复值是正常的，但是商品id一般不为0，所以需要查看一下相应记录。发现存在不少，删除处理。

df[df['productId']==0]
df.drop(df[df.productId==

最低0.47元/天解锁文章