• <i id='cee58vkj'><tr id='559wx1qd'><dt id='8abumg2o'><q id='448cphsd'><span id='jnr128ti'><b id='is2yt0lt'><form id='k0uqfp5v'><ins id='omism5la'></ins><ul id='j45el3rp'></ul><sub id='34y837zt'></sub></form><legend id='iz78csrj'></legend><bdo id='u3evagyt'><pre id='ta4abx9y'><center id='ln1vq3g3'></center></pre></bdo></b><th id='q642zin9'></th></span></q></dt></tr></i><div id='7kn07yfq'><tfoot id='m2xljqhe'></tfoot><dl id='jruer63q'><fieldset id='vmk324bc'></fieldset></dl></div>

    <small id='dnrms0sr'></small><noframes id='kfbtxy4u'>

      <tbody id='d90hbysf'></tbody>
  • <legend id='heu6v6rr'><style id='szgyhv54'><dir id='g07k7tx5'><q id='ybvqb7gr'></q></dir></style></legend>

      <tfoot id='rm2x47qq'></tfoot>

    1. 网站建设公司当前位置 : 网站建设公司 > 知识普及

      利用Python对电商销售数据进行分析

      发布时间:2022-04-18 20:30   浏览次数:次   
      一.数据集介绍
       
      此次的数据集来自kaggle的关于在线零售业务的交易数据,该公司主要销售礼品,大部分出售对象是面向批发商。
       
      二.数据集字段介绍
       
      数据包含541910行,8个字段,字段内容为:
       
      InvoiceNo: 订单编号,每笔交易有6个整数,退货订单编号开头有字母’C’。
      StockCode: 产品编号,由5个整数组成。
      Description: 产品描述。
      Quantity: 产品数量,有负号的表示退货
      InvoiceDate: 订单日期和时间。
      UnitPrice: 单价(英镑),单位产品的价格。
      CustomerID:客户编号,每个客户编号由5位数字组成。
      Country: 国家的名称,每个客户所在国家/地区的名称。
       
      三.分析内容
       
      1.购买商品数前十的国家是?
       
      2.交易额前十的国家是?
       
      3.哪些月份销量较佳?
       
      4.客单价多少?
       
      5.用户消费行为分析
       
      四. 数据处理分析过程
       
      1.数据清洗
       
      利用Python语言进行数据分析,开发工具有Jupyter Notebook。
       
      导入库,查看数据
       
      import numpy as np
      import pandas as pd
      import matplotlib.pyplot as plt
       
      df = pd.read_csv('data.csv',encoding='ISO-8859-1')
      df.head()
      1
      2
      3
      4
      5
      6
       
       
      df.info()
      1
       
      可以看出,CustomID存在部分缺失,无法进行填充,需要删除缺失的数据。InvoiceDate格式需要调整,方便后续分析。数据只有产品数量和单价,没有销售金额,要根据产品数量和单价建立一个销售金额的新字段。
       
      删除缺失CustomID对应数据内容。
       
      df1 = df.dropna(how='any') 
      1
      修改InvoiceDate格式,只取年月作为日期内容。
       
      df1['InvoiceDate'] = pd.to_datetime(df1['InvoiceDate']) #12/1/2010 8:26转换为2010-12-01
      df1['InvoiceDate'] =df1['InvoiceDate'].apply(lambda x: x.strftime('%Y-%m-%d')) #将datetime64[ns] 转为 object
      1
      2
      新建一个销售金额的字段,即用产品数量乘以单价。
       
      df1['Price'] = df1['Quantity']*df1['UnitPrice']
      1
      完成以上数据清洗后,结果如下:
       
      2.数据分析
       
      【第一个问题:购买商品数前十的国家是?】
       
      获取产品数量大于0,按国家分组,对产品数量进行求和,从大到小进行排序,取前十的国家
       
      df1[df1['Quantity']>0].groupby('Country')['Quantity'].sum().sort_values(ascending=False).head(10)
      1
       
      英国购买商品数远远大于其他国家,这可能由于公司位于英国,英国是该公司商品销售的主要对象。
       
      【第二个问题:交易额前十的国家是?】
       
      获取产品数量大于0,按国家分组,对销售金额进行求和,从大到小进行排序
       
      df1[df1['Quantity']>0].groupby('Country')['Price'].sum().sort_values(ascending=True).head(10)
      1
       
      可以看出:英国的交易额最大,由于购买数最多,交易额理所当然也是最大。除此之外,荷兰,爱尔兰,德国,法国也是主要消费国家,需要重点关注。
       
      【第三个问题:哪些月份销量较佳?】
       
      df1[df1['Quantity']>0].groupby('InvoiceDate')['Quantity'].sum().sort_values(ascending=False).head(20)
      1
       
      销量最高的是12月份,其次是1月份,大部分销量较佳集中在下半年,这是由于该产品是礼品,在下半年节日较多,加上促销优惠,销量比上半年月份多。
       
      【第四个问题:客单价多少?】
       
      sumPrice=df1[df1['Quantity']>0]['Price'].sum()
      countID=df1[df1['Quantity']>0]['InvoiceNo'].count()
      avgPrice = sumPrice/countID
      print(avgPrice)
      1
      2
      3
      4
       
      客单价即平均交易金额,是指平均每个客户交易金额,客单价等于成交金额/成交用户数。
       
      销售额是由客单价和用户数所决定的,要提升产品的销售额,除了尽可能多地吸引客流,增加顾客交易次数以外,提高客单价也是非常重要的途径。
       
      【第五个问题:用户消费行为分析】
       
      df1[df1['Quantity']>0].groupby('CustomerID').agg({'InvoiceNo':'nunique',
                                                      'Quantity':'sum',
                                                      'Price':'sum'}).describe()
      1
      2
      3
       
      用户消费行为分析主要从用户消费次数,用户消费金额,用户购买产品数量这三个维度进行分析。
       
      五.总结
       
      通过以上计算可看出:
       
      用户平均消费4次,有的客户甚至消费高达210次,是产品的忠诚客户。
       
      用户平均消费金额为2053元,而75%的用户消费金额只有1661,可见,有些用户消费金额较大,属于非常有价值的用户,需要重点保持关注。
       
      用户购买产品数量平均高达1194件,由于销售对象主要是批发商,算是正常的数量数。
       

          <legend id='737p5dzz'><style id='q9atwn4z'><dir id='ltm5ydwv'><q id='j577sgm2'></q></dir></style></legend>

          <i id='ottn3nnu'><tr id='u5i48qur'><dt id='zp5m5vwx'><q id='5qhjl318'><span id='pl5uvuef'><b id='3m8rrhy4'><form id='d9kysl1u'><ins id='ydsiilmf'></ins><ul id='e98u9bux'></ul><sub id='79okg9cj'></sub></form><legend id='z2kme9ao'></legend><bdo id='hw6r1xkc'><pre id='d3eftrgw'><center id='8hffn68s'></center></pre></bdo></b><th id='jqb3velc'></th></span></q></dt></tr></i><div id='stctz3yw'><tfoot id='kxn99380'></tfoot><dl id='el23urb6'><fieldset id='wwitywv8'></fieldset></dl></div>

          <small id='2rrjbte1'></small><noframes id='vk2lkqkz'>

            <tbody id='907z0sw8'></tbody>

            <tfoot id='kmx0k7uf'></tfoot>
          • 本文来源于网络,若有侵权请联系3449817223#qq.com,将在第一时间删除。

            下一篇公众号开发下一篇:没有了
              • <i id='oz2ad5wt'><tr id='d7bbf5yc'><dt id='c0pcbtaq'><q id='ta84z69j'><span id='4o6u56bo'><b id='xfm64gww'><form id='c04mpv32'><ins id='8vsxqdy9'></ins><ul id='jwvont10'></ul><sub id='xxjvy8nq'></sub></form><legend id='j4a1ct9u'></legend><bdo id='wv7psadl'><pre id='ckpm50xw'><center id='mkgz12r4'></center></pre></bdo></b><th id='ri8ggaug'></th></span></q></dt></tr></i><div id='e5phcfp6'><tfoot id='uf77yevb'></tfoot><dl id='2w978zvb'><fieldset id='f1gq8nf6'></fieldset></dl></div>
                  <tbody id='0cu4uesg'></tbody>

                <small id='vf7d9wf5'></small><noframes id='ztytyv1e'>

                <tfoot id='g8qnzdoh'></tfoot>
              • <legend id='yd652u5c'><style id='pkipasjb'><dir id='bxq24wsx'><q id='5jeq6mjs'></q></dir></style></legend>