电商数据基础分析

 首先我们导入这一组数据，我们其实可以先将stockcode先剔除掉然后来分析剩下的数据以供你的后续使用，我们拿到一组数据首先要做的是根据你的需求去做一个数据清洗，然后再进行可视化分析以达到你自己想要的目的

 我这边主要通过数据来通过两个角度进行分析，一个是从产品角度，一个是从客户的角度。

一·数据清洗

我们的数据名称为df_bussiness,先通过df_bussiness.describe()和df_bussiness.info()来观察他们的数据有什么异常，和我们需要考究的地方。

 

我们先观察descirbe的数据类型，可以发现有几个我们需要注意的地方：

1.min值有负数（价格和数量一般来说不会有负数，可能是取消订单或者是什么给个猜想）

2.max值过大相比于75%，max值太大会影响整个的数据分析

df_bussiness.isna().sum()

3.观察数据缺失值发现，customerid缺失值过多，description也有少许缺失值。

针对以上三个问题我们进行如下处理：

1.df_bussiness = df_bussiness.dropna()将缺失值剔除掉

2.通过观察发现value小于50的数最佳，剔除大于50的。我们其实也可以通过散点图剔除异常值，看个人喜好！

#max值异常处理
plt.figure(figsize=(20,8))
fig = px.histogram(df_bussiness.Quantity)
fig.show()

df_bussiness =df_bussiness[df_bussiness.Quantity <50]

df_bussiness = df_bussiness[df_bussiness.UnitPrice < 20]

 3.我们发现unitprice大部分都是小于20的，所以取小于20的部分进行分析

4.通过下面这串代码发现tail(20)中有有多个C开头的订单，意为取消订单的订单（cancel）

df_bussiness.InvoiceNo.value_counts().tail(20)

df_goods = df_bussiness.drop(df_bussiness[df_bussiness["InvoiceNo"].str.startswith("C")]["InvoiceNo"].index)
# df_goods = df_goods[~df_goods["InvoiceNo"].str.startswith("C")]第二种处理方式

将带有C开头的订单去掉，就可以开始分析了

二·数据分析（针对订单dataframe-df_goods）

1.产品维度入手，分析优质产品主要元素（产品名，订单量）

df_popu_pro = df_goods[["Description",'Quantity']]
df_popu_pro = df_popu_pro.groupby("Description").sum().sort_values(by= "Quantity",ascending = False)[:20]
sns.set()
plt.title("前20的优质产品")
plt.rcParams["font.sans-serif"] = "SimHei"
se_popu_Quantity = df_popu_pro.Quantity
plt.xticks(rotation= 90)
sns.barplot(se_popu_Quantity.index,se_popu_Quantity.values)

 2.客户角度入手，抓住出单量前20的客户然后去做一个数据的可视化

#分析优质客户，订单量大的客户
df_order = df_goods[["CustomerID","InvoiceNo","Country"]].groupby(["CustomerID","InvoiceNo","Country"]).count()
df_order = df_order.reset_index(drop= False)

se_order = df_order.CustomerID.value_counts().sort_values(ascending = False)

fig = plt.figure(figsize=(10,5))
# plt.xticks(se_order.index[:20],se_order.CustomerID,rotation= 90)
plt.xticks(np.arange(len(se_order.index[:20])),se_order.index[:20],rotation = 90)
sns.barplot(np.arange(len(se_order.index[:20])),se_order.values[:20])

 3.时间的变化对于客户订单量的影响

df_goods["InvoiceDate"] =pd.to_datetime(df_goods.InvoiceDate)
df_order_time = df_goods.set_index("InvoiceDate")

将时间戳化成时间序列以便后续的可视化做准备

月订单总额随着时间的变化关系，我们可以看到2010末到2011这一年都是稳步上涨的

df_order_time["date"] = df_order_time.index.date
df_order_time["Totalsell"] = df_order_time.Quantity*df_order_time.UnitPrice
plt.figure(figsize=(10,4),dpi = 80)
se_total_data = df_order_time[["Totalsell","date"]].resample("M").sum().Totalsell

plt.xticks(np.arange(len(se_total_data.index)),se_total_data.index,rotation = 45)

plt.plot(np.arange(len(se_total_data.index)),se_total_data.values)

 其次的话看每日订单额之间的关系

df_total_data = df_order_time[["Totalsell","date"]]
se_total_data2 = df_total_data.groupby("date").sum()
plt.figure(figsize=(10,6))
plt.xticks(rotation = 45)
plt.plot(se_total_data2.index,se_total_data2.values)

 4.通过这组数据我们还可以分析客户位于哪个国家多一点，哪个国家更好卖

countries = df_order.groupby("Country").count().sort_values(by = "CustomerID",ascending=False)[:20]
countries.drop(columns="InvoiceNo")

以上便是我们对于df_bussiness的一个简易分析！！