python数据分析案例——天猫订单综合分析

前言

大家早好、午好、晚好吖 ❤ ~欢迎光临本文章

什么是数据分析

明确目的–获得数据(爬虫，现有，公开的数据)–数据预处理——数据可视化——结论

准备

环境使用：

在开始写我们的代码之前，我们要准备好运行代码的程序

• Anaconda (python3.9)

  –> 识别我们写的代码

开发工具：

• jupyter notebook

  –> 代码编辑功能敲代码的工具

不会安装的可以文末名片+我获取哦 😎

数据准备:

本数据集共收集了发生在一个月内的28010条数据，包含以下：

7个字段说明

订单编号：订单编号

总金额：订单总金额

买家实际支付金额：总金额 - 退款金额（在已付款的情况下）。金额为0（在未付款的情况下）

收货地址：各个省份

订单创建时间：下单时间

订单付款时间：付款时间

退款金额：付款后申请退款的金额。如无付过款，退款金额为0

分析目的

订单每个环节的转化转化率

订单成交的时间（按天）趋势(按实际成交）

订单数在地图上的分布

订单读取及处理

读取数据

import pandas as pd
df = pd.read_csv('tmall_order_report.csv',encoding='gbk')
df.head()

处理数据

缺失值

df.isnull().sum()
# 订单付款时间 有2923个缺失值，属于正常现象，说明这些单位付过款，无需处理

订单转化率-漏斗图

计算每个环节的数据

• 将得到如下的数据：

  [[‘总订单数’, ‘28010’],

  [‘付款订单数’, ‘24087’],

  [‘到款订单数’, ‘18955’],

  [‘全额到款订单数’, ‘18441’]]

  买家实际支付金额：总金额 - 退款金额（在已付款的情况下）。金额为0（在未付款的情况下）

  退款金额：付款后申请退款的金额。如无付过款，退款金额为0

订单总笔数

付过款的订单数

key = '付款订单数'

# 付款时间不为空的，表示付过款
df_payed = df[df['订单付款时间'].notnull()]

dict_convs[key] =