python电商行业数据分析

时间：2023-03-16 00:58:01 | 来源：电子商务

时间：2023-03-16 00:58:01 来源：电子商务

我是一个从事商业地产5年的“中青年”每天起床都会对各种数据做思维上研究，最近广东的天气可是活了那么多年的我遇到最冷冬天，最冷的办公室，我忍不住上了某宝平台上买了“小太阳”结果还跟同事拼起了单，嘻~同时也想着最近几年电商的发展可谓迅猛，因此我拿了一些电商平台某产品品类的数据来进行分析。本次文章主要是记录本人对数据分析--电商行业所要掌握的基础工具python的运用与思维框架，无商业用途。（附上我在冬天的状态）

上分析框架：

数据表展示：

本项目数据共24列标签项，共51101条数据进行分析

一、读取数据

import pandas as pddata = pd.read_csv('C:/Users/Desktop/dataset.csv',encoding='ISO-8859-1')data

二、数据处理（提取业务相关数据）

①提取数据时，处理与业务不符合逻辑的数据，例如：售价为负

data[data.Sales<0]②判断数据中是否存在不正常数据，例如：发货日期早于下单日期

# 1.发货日期与订单日期，转成datetime形式data['ShipDate'] = pd.to_datetime(data['ShipDate'])data['OrderDate'] = pd.to_datetime(data['OrderDate'])# 2.发货日期减去订单日期，秒数data['interval']=(data.ShipDate-data.OrderDate).dt.total_seconds()data[data.interval<0]发现了四条存在发货日期早于下单日期的不正常数据

③由于4条数据在全部数据的占比较小，况且也无从考证真正的时间段，因此选择删除

# 3.删除异常数据# drop(index=删除数据的index，inplace)data.drop(index=data[data.interval<0].index,inplace=True)data# 4.发货时间-下单时间data['interval'] = data.ShipDate-data.OrderDatedata

三、数据清洗

# 查看行列数量data.shape# 查看各列的非空数据量data.count()# NAN统计data.isna().sum()# 描述整体数据data.describe()# 数据信息data.info()由此可以发现ShipMode存在字符串缺失值，PostalCode存在缺失值，先放着稍后做处理

数据清洗的顺序：1、先按唯一字段处理一边重复值（本案的唯一字段是“RowID”，也就是订单顺序ID）2、处理异常值（补）先做成空值，然后再填补空值；3、处理空值（补）；4、再处理一边重复值，确保数据正常

①处理重复值

# 清洗RowID# 助理重复的个数data.RowID.unique().sizedata[data.RowID.duplicated()]# data.drop(index=data[data.RowID.duplicated()].index,inplace=True)# data发现有三个RowID重复的值，打开excel数据表格进行核对

处理掉~

data.drop(index=data[data.RowID.duplicated()].index,inplace=True)data②处理Shipmode缺失值

# 处理Shipmode空值# 对付字符串的空值，弥补，众数data[data.ShipMode.isnull()]总共发现了11条因Shipmode存在空值的数据，由于在数据表中Shipmode是以字符串的形式存在的

因此我们在填入字符串时用Shipmode的众数来进行填入，利用mode（）查看众数，然后填入空值栏中，结束后再次利用查空值代码查看是否填补完

data.ShipMode.mode()data['ShipMode'].fillna(value=data.ShipMode.mode()[0],inplace=True)data# 检查是否补完data[data.ShipMode.isnull()]当显示“0rows”，表示已经填补完Shipmode里的空值

③处理PostalCode缺失值

查看PostalCode列中的数据，发现是以数据形式存在的，这个具体要跟业务部门沟通缺失值的原因，在本案中无需分析，因此直接删除，代码如下：

# 邮编数据处理data.drop(columns=['PostalCode'],inplace=True)data④异常值处理，Discount数据处理

查看数据表中Discount异常值，代码如下：

data[data.Discount>1]data[data.Discount<0]发现Discount中存在折扣＞1的情况，而且有13条数据中的折扣存在这种情况，那么我们就要开始修正异常值数据，代码如下：

把折扣大于1的数据，进行修正data['Discount'] = data['Discount'].mask(data['Discount']>1,None)# 查看空值data[data.Discount.isnull()]# 平均折扣meanDisount = round(data[data['Discount'].notnull()].Discount.sum()/data[data['Discount'].notnull()].Discount.size,2)meanDisountdata['Discount'].fillna(value = meanDisount,inplace=True)data在这里，我们先将折扣＞1的数值进行空值替换，然后计算数据表中全部Discount的平均值，利用平均值对相应空值进行填补，搞掂~~

⑤再次验证是否有重复值：

data[data.RowID.duplicated()]ok~~搞掂~到了这一步，已经把全部数据清洗完毕，接下来就可以开展分析工作了！~

四、数据分析

按照我的惯例，我会先做数据规整，方便在之后的数据分析中单独提取想要的字段数据即可

# 拆分成年，季度，月份data['Order-year'] = data['OrderDate'].dt.yeardata['Order-month'] = data['OrderDate'].dt.monthdata['quarter'] = data['OrderDate'].dt.to_period('Q')res=data[['OrderDate','Order-year','Order-month','quarter']].head()res1、每年销售额增长情况

销售增长率=（本年销售额-上一年销售额）/上一年销售额*100%=本年销售额/上一年销售额-1

①计算每年销售额

sales_year = round(data.groupby('Order-year')['Sales'].sum(),2)
sales_year

②销售增长率及百分比形式

sales_rate_12 = sales_year[2012]/sales_year[2011]-1sales_rate_13 = sales_year[2013]/sales_year[2012]-1sales_rate_14 = sales_year[2014]/sales_year[2013]-1sales_rate_12_label = "%.2f%%" % (sales_rate_12*100)sales_rate_13_label = "%.2f%%" % (sales_rate_13*100)sales_rate_14_label = "%.2f%%" % (sales_rate_14*100)print(sales_rate_12_label,sales_rate_13_label,sales_rate_14_label)③将sales_year、sales_rate、sales_rate_label形成dataframe

sales_rate = pd.DataFrame( {'sales_all':sales_year, 'sales_rate':[0,sales_rate_12,sales_rate_13,sales_rate_14], 'sales_rate_label':['0.00%',sales_rate_12_label,sales_rate_13_label,sales_rate_14_label]})sales_rate④绘制成图形展现

import matplotlib.pyplot as pltimport matplotlib as mpl# 设置字体mpl.rcParams['font.sans-serif'] = 'SimHei'# 设置风格plt.style.use('ggplot')# 销售额y1 = sales_rate['sales_all'] # 增长率y2 = sales_rate['sales_rate']x = [str(value) for value in sales_rate.index.tolist()]# 新建figure对象fig = plt.figure()# 新建子图1fig,ax1 = plt.subplots(figsize=(20,12))# ax2与ax1共享x轴ax2 = ax1.twinx()ax1.bar(x,y1,color = 'blue')ax2.plot(x,y2,marker = '*',color = 'r')ax1.set_xlabel('年份')ax1.set_ylabel('销售额')ax2.set_ylabel('增长率')ax1.set_title('销售额与增长率')plt.savefig('电商销售额与增长率.png')plt.show()2、总销售占比

sales_area = data.groupby('Market')['Sales'].sum()sales_area.plot(kind='pie',autopct="%1.1f%%",title='总销售占比')plt.savefig('总销售占比.png')plt.show()3、各地区每一年的销售额

sales_area = data.groupby(['Market','Order-year'])['Sales'].sum()sales_area# 将分组后的多层索引设置成列数据sales_area = sales_area.reset_index(level=[0,1])sales_area# 使用数据透视表重新整理数据sales_area = pd.pivot_table(sales_area, index='Market', columns='Order-year', values='Sales')sales_area

将列数据转换成为数据透视表，目的是整理数据，使其用在下一步绘制成可视化图形

# # 绘制图形sales_area.plot(kind = 'bar',title = '2011年-2014年不同地区销售额对比')plt.savefig('2011年-2014年不同地区销售额对比.png')plt.show()4、不同类型产品在不同地区销售额对比

category_sales_area = data.groupby(['Market','Category'])['Sales'].sum()category_sales_areacategory_sales_area = category_sales_area.reset_index(level=[0,1])category_sales_areacategory_sales_area = pd.pivot_table(category_sales_area, index='Market', columns='Category', values='Sales')category_sales_area.plot(kind = 'bar',title = '不同类型产品在不同地区销售额对比',figsize=(10,8))plt.savefig('不同类型产品在不同地区销售额对比.png')plt.show()5、销售淡旺季分析

# 销售淡旺季分析year_month = data.groupby(['Order-year','Order-month'])['Sales'].sum()year_month# 将分组后的多层索引设置成列数据year_month = year_month.reset_index(level=[0,1])year_month# 使用数据透视表重新整理数据year_month = pd.pivot_table(year_month, index='Order-month', columns='Order-year', values='Sales')# 绘制图形year_month.plot(title='销售淡旺季分析')plt.savefig('销售淡旺季分析.png')plt.show()6、新增客户

由于为了不干扰原数据表里面的数据，我先将数据表进行复制再进行数据处理

# 1.复制data_customer = data.copy()# 2.处理数据data_customer = data_customer.drop_duplicates(subset = ['CustomerID'])data_customer在代码撰写上，我利用了drop_duplicates(subset = ['CustomerID'])来对customerID进行去重，得到输出结果如下：

剩下1590条客户数据

接下来我对去重完毕的数据进行分组整理、设置成列数据

# 3.分组new_customer = data_customer.groupby(by=['Order-year','Order-month']).size()new_customer# 将分组后的多层索引设置成列数据new_customer = new_customer.reset_index(level=[0,1])new_customer然后再利用可视化图表来对数据进行展示，代码如下：

# 使用数据透视表重新整理数据new_customer = pd.pivot_table(new_customer, index='Order-month', columns='Order-year', values=0,fill_value=0)new_customernew_customer.plot(kind = 'bar',title = '新增客户',figsize=(10,8))plt.savefig('新增客户.png')plt.show()好啦~到了这里我对电商数据的分析步骤差不多尾声了，其实在这庞大的数量里面还有很多可以挖掘的价值点，但在这里就分享一些操作的方式以及代码的运用，在此，也做个总结方便小伙伴们在做数据分析能够灵活运用。

①sales_year = round(data.groupby('Order-year')['Sales'].sum(),2)sales_year#round(主值,2)这里的“2”表示主值得出的数值小数点保留2位#groupby('')['']为分析测算数值的聚合形式②year_month = pd.pivot_table(year_month, index='Order-month', columns='Order-year', values='Sales')# 使用数据透视表重新整理数据 # 透视表与excel一致# # data，数据# # index，索引# # columns，列# # values，单元数据# # fill_value 补空数据③data_customer = data_customer.drop_duplicates(subset = ['CustomerID'])#去重数据下一篇会重点向大家分享RFM模型的python语法，【PS：由于数据是进行了脱敏处理的，所以存在多少商业价值取决于你关注哪个方面，再次重申：本文主要说明分析方法以及一些代码展示，请勿利用于商业】最后也希望各位正往数据分析师发展的小伙伴们一路共勉，有空聊聊~