1電商平臺零售資料分析

專注的阿熊發表於2021-03-26

import plotly as py

py.offline.init_notebook_mode()

pyplot = py.offline.iplot

import plotly.graph_objs as go

from plotly.graph_objs import Scatter

from scipy import stats

import pandas as pd

import numpy as np

import seaborn as sns

import matplotlib.pyplot as plt

import os

os.chdir(r'E:\2020 Python 資料分析師特訓營全套 84 節影片完結版(就業向零基礎友好) \2020 Python 資料分析師特訓營全套 84 節影片完結版 ')

df = pd.read_excel(' 超市資料 .xlsx', dtype= {'Row ID':str})

df

# 缺失率

df.apply(lambda x:sum(x.isnull())/len(x),axis=0)

# 複製原檔案為 df1 ,防止資料丟失

df1 = df.copy()

df1

# 去掉有缺失值的資料

df1.dropna(how='any')

# # 去掉指定的兩列

# df1.drop(['Unnamed: 24','Unnamed: 25'],axis=1,inplace=True)

# Shipping Cost 這一列中的缺失值替換為 U

df['Shipping Cost'] = df['Shipping Cost'].fillna('U')

# 先匯入 re 模組,可以使用 split 一次加入多個切割條件

import re

# 取出 Ship Date 這一列的每行字串中以 / 分隔開的第一、二、三個元素

df1['ship_day'] = [re.split('\/|\-',x)[0] for x in df1['Ship Date']]

df1['ship_month'] = [re.split('\/|\-',x)[1] for x in df1['Ship Date']]

df1['ship_year'] = 外匯跟單gendan5.com[re.split('\/|\-',x)[2] for x in df1['Ship Date']]

# Order Date 轉換為 datetime 格式

df1['Order Date'] = pd.to_datetime(df1['Order Date'],errors='coerce')

df1['Order Date'] = df1['Order Date'].dt.date

# 去重

df1 = df1.drop_duplicates()

# 檢視資料型別

df1.info()

# 異常值處理之前先探索資料

df1.describe()

 

# Sales Quantity Profit 轉換為 float64

df1['Sales'] = pd.to_numeric(df1['Sales'], errors='coerce')

df1['Quantity'] = pd.to_numeric(df1['Quantity'], errors='coerce')

df1['Profit'] = pd.to_numeric(df1['Profit'], errors='coerce')

# 計算 Sales*Quantity 儲存為新的一列 Price

df1['Price'] = df1.apply(lambda x:x['Sales']*x['Quantity'],axis=1)

df1.info()

df1

# 異常值處理

df3 = df1.loc[df1['Quantity']<=0]

# 計算異常值佔比

df3.shape[0]/df1.shape[0]

# 對異常值中的數量分類計數

df3['Quantity'].groupby(df3['Quantity']).count()

#df3 中不同的年對應的不同的月份的退貨金額

tt=pd.pivot_table(df3,index=['ship_year'],columns=['ship_month'],values=['Price'],aggfunc={'Price':np.sum},margins=False)

tt

# 計算 Profit>0 的數量 Quantity 並按照 State 分組求和,按照降序排列,顯示前十行,儲存為 quantity_first_10

quantity_first_10=df1[df1['Profit']>0].groupby(by='State').sum()['Quantity'].sort_values(ascending=False).head(10)

# 畫圖

trace_basic=[go.Bar(x=quantity_first_10.index.tolist(),y=quantity_first_10.values.tolist(),marker=dict(color='orange'),opacity=0.50)]

layout=go.Layout(title=' 購買數量前十的國家 ',xaxis=dict(title=' 國家 '))

figure_basic=go.Figure(data=trace_basic,layout=layout)

pyplot(figure_basic)

# 交易額前十

price_first_10=df1[df1['Profit']>0].groupby(by='State').sum()['Price'].sort_values(ascending=False).head(10)

trace_basic1=[go.Bar(x=price_first_10.index.tolist(),y=price_first_10.values.tolist(),marker=dict(color='orange'),opacity=0.50)]

layout1=go.Layout(title=' 交易額前十的國家 ',xaxis=dict(title=' 國家 '))

figure_basic1=go.Figure(data=trace_basic1,layout=layout1)

pyplot(figure_basic1)

# Order Date 轉換為 datetime 格式

df1['Order Date'] = pd.to_datetime(df['Order Date'],errors='coerce')

# 提取 Order Date 中的月份

df1['Month'] = df1['Order Date'].dt.month

# 十二個月份盈利

profit_12=df1[df1['Profit']>0].groupby(by='Month').sum()['Profit'].sort_values(ascending=False)

trace_basic2=[go.Bar(x=profit_12.index.tolist(),y=profit_12.values.tolist(),marker=dict(color='orange'),opacity=0.50)]

layout2=go.Layout(title=' 十二個月份盈利條形圖 ',xaxis=dict(title=' 月份 '))

figure_basic2=go.Figure(data=trace_basic2,layout=layout2)

pyplot(figure_basic2)

#seaborn 畫圖

sns.set(style='darkgrid',context='notebook',font_scale=1.2)

profit_12=df1[df1['Profit']>0].groupby(by='Month').sum()['Profit'].sort_values(ascending=False).plot(kind='bar')

# x 軸月份數字正過來

plt.xticks(rotation=360)

# 客單價,就是每個客戶的消費金額

# 客單價 = 總消費金額 / 訂單總量

# 總消費金額

sum_price = df1[df1['Quantity']>0]['Price'].sum()

# 計算客戶 ID 數量

count_ID = df1[df1['Quantity']>0]['Customer ID'].count()

# 客單價

avgprice = sum_price/count_ID

print(avgprice)

# 客戶 ID 去重計數

count_ID1=df1[df1['Quantity']>0]['Customer ID'].drop_duplicates().count()

print(count_ID1)

# 按照 Customer ID 聚合時,對 Row ID 去重計算下單次數,對 Quantity Price 求和

customer=df1[df1['Quantity']>0].groupby('Customer ID').agg({'Row ID':'nunique','Quantity':np.sum,'Price':np.sum})

print(customer)

customer.describe()

#df2 是取出 df1 中既滿足 ['Quantity']>0 又滿足 ['Sales']>0 的資料

df2 = df1[(df1['Quantity']>0) & (df1['Sales']>0)]

#RFM

# R_value 是使用者最近一次交易距今的時間

# 按照 Customer ID 分類選出 Order Date 的最大值

R_value = df2.groupby('Customer ID')['Order Date'].max()

# Order Date 中的最近時間 - 每位使用者最近一次交易時間

R_value = (df2['Order Date'].max() - R_value).dt.days

# F_value 是使用者在限定的時間內所購買的次數

# 按照 Customer ID 分類對 Order ID 去重計數

F_value = df2.groupby('Customer ID')['Order ID'].nunique()

# M_value 是使用者的交易金額

# 按照 Customer ID 分類對 Price 求和

M_value = df2.groupby('Customer ID')['Price'].sum()

# 描述分析 R_value

R_value.describe()

# 畫出 F_value 滿足 F_value<200 的分佈柱狀圖

plt.hist(F_value[F_value<200],bins=30)

plt.show()

# 設定分段標準

R_bins = [0,30,60,90,180,720]

F_bins = [1,2,5,10,20,500]

M_bins = [0,500,2000,5000,10000,200000]

# 對使用者最近一次交易距今的時間分段

R_score = pd.cut(R_value,R_bins,labels = [5,4,3,2,1],right=False)

R_score

# 對使用者在限定的時間內所購買的次數分段

F_score = pd.cut(F_value,F_bins,labels = [1,2,3,4,5],right=False)

# 對使用者的交易金額分段

M_score = pd.cut(M_value,M_bins,labels = [1,2,3,4,5],right=False)

# R F M 組合起來

RFM = pd.concat([R_score,F_score,M_score],axis=1)

# 重新命名各個變數

RFM.rename(columns={'Order Date':'R_score','Order ID':'F_score','Price':'M_score'},inplace=True)

# RFM 中的資料轉換為 float

for i in ['R_score','F_score','M_score']:

    RFM[i] = RFM[i].astype(float)

# 看平均值

RFM.describe()

# 進行使用者價值評測:大於平均值為高價值使用者,否則為低價值使用者

RFM['R'] = np.where(RFM['R_score'] > 3.594560,' ',' ')

RFM['F'] = np.where(RFM['F_score'] > 3.857862,' ',' ')

RFM['M'] = np.where(RFM['M_score'] > 4.243703,' ',' ')

# R F M 三個評測等級以字串形式連線儲存為 value 一列

RFM['value'] = RFM['R'].str[:] + RFM['F'].str[:] + RFM['M'].str[:]

# 去除 value 一列字串頭尾的空格

RFM['value'] = RFM['value'].str.strip()

# 定義使用者等級分類函式

def trans_value(x):

    if x == ' 高高高 ':

        return ' 重要價值客戶 '

    elif x == ' 低高高 ':

        return ' 重要保持客戶 '

    elif x == ' 低低高 ':

        return ' 重要挽留客戶 '

    elif x == ' 高高低 ':

        return ' 一般價值客戶 '

    elif x == ' 高低低 ':

        return ' 一般發展客戶 '

    elif x == ' 低高低 ':

        return ' 一般保持客戶 '

    elif x == ' 高低高 ':

        return ' 重要發展客戶 '

    else:

        return ' 一般挽留客戶 '

# value 一列使用使用者等級分類函式

RFM[' 使用者等級 '] = RFM['value'].apply(trans_value)

# 分類計數

RFM[' 使用者等級 '].value_counts()

# 畫條形圖

trace_basic=[go.Bar(x=RFM[' 使用者等級 '].value_counts().index,y=RFM[' 使用者等級 '].value_counts().values,marker=dict(color='orange'),opacity=0.50)]

layout=go.Layout(title=' 使用者等級情況 ',xaxis=dict(title=' 使用者重要度 '))

figure_basic=go.Figure(data=trace_basic,layout=layout,)

pyplot(figure_basic)

# 畫餅圖

trace_basic1 = [go.Pie(labels = RFM[' 使用者等級 '].value_counts().index,values = RFM[' 使用者等級 '].value_counts().values,hole=0.2,textfont = dict(size=12,color='white'))]

layout1 = go.Layout(title = ' 使用者等級比例 ')

figure_basic1 = go.Figure(data = trace_basic1,layout = layout1,)

pyplot(figure_basic1)


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69946337/viewspace-2765175/,如需轉載,請註明出處,否則將追究法律責任。

相關文章