前言
嗨喽，大家好呀~这里是爱看美女的茜茜呐
又到了学Python时刻~
一、数据集
今天我们来看一个来着阿里云天池的数据集:淘母婴购物数据,有两个csv文件:
1、mum_baby.csv
它包含了953个孩子的生日和性别信息，这些信息是由淘或tian猫的消费者提供的。
2、mum_baby_trade_history.csv
该表包含29971条淘用户的历史交易信息。
二、分析方向
1.什么商品类别销量最佳？
2.用户为之购买商品的婴儿年龄、性别分布？
3.销量与月份关系?
4.用户复购情况?
三、数据预处理
以时间段较长的奶粉为例.
对配方奶粉的分段，主要是根据国际食品法典委员会制定的cac来进行划分。
婴幼儿奶粉现在大范围上基本分为一段、二段、三段，部分婴幼儿奶粉可能会分为四段、五段。
奶粉分段及适用年龄：
第1段婴幼儿奶粉适合0~6个月的宝宝；
第2段婴幼儿奶粉适合6~12个月的宝宝；
第3段婴幼儿奶粉适合1周岁~3周岁的宝宝；
第4段奶粉适合3周岁~7周岁的孩子。
7周岁最多为365*7=2555天，那么对于天数大于2560天的天数视为无效数据，删除行。
PS：完整源码或数据集如有需要的小伙伴可以加下方的群去找管理员免费领取
import pandas as pd
mum_baby = pd.read_csv('.\data\mum_baby.csv')
trade_history = pd.read_csv('.\data\mum_baby_trade_history.csv')
# 计算订单产生时小孩的天数
# 匹配mum_baby中user_id对应的trade_history的user_id
tample = mum_baby.merge(trade_history, how="left", on='user_id').fillna(0)
tample['birthday'] = pd.to_datetime(tample['birthday'].astype(str))
tample['day'] = pd.to_datetime(tample['day'].astype(str))
age_days = tample['day'] - tample['birthday']
tample.loc[:, 'age_days'] = age_days # 计算订单产生时小孩的天数
print(tample.age_days)
# 把age_days 只保留数字部分
j = 0
for i in age_days:
tample.loc[j, 'age_days'] = i.days
# tample['age_days'][j] = i.days 警告：SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame
j += 1
# age_days为object类型 要改为int类型 不然describe无法统计年龄天数的最值
tample.age_days = pd.DataFrame(tample.age_days, dtype=int)
# tample.describe().to_excel(r'.\result\describe.xlsx')
# 对于age的天数负数以及最大天数为10326天、购买数量最大值达到160天，可以做处理，也可以认为是正常数据不做处理
资源、代码、安装包等加企鹅裙：261823976##
tample[tample['age_days'] > 2560].sort_values('age_days').to_excel(r'.\data\age_days_gt7year.xlsx')
tample[tample['age_days'] < 0].sort_values('age_days').to_excel(r'.\data\age_days_lt0year.xlsx')
# print(tample[tample['age_days'] < 0].describe())
# 一般认为怀孕了再准备母婴用品会比较常见 这里 我们就以-300天以上为正常 去掉低于-300天的购买数据
# print(tample[tample['age_days'] > 2560]) #一共24行
# print(tample[tample['age_days'] < 0]) #143行
# print(tample[tample['age_days'] > 2560].index)
tample.drop(tample[tample['age_days'] > 2560].index, inplace=True) # 删除大于2560天的行 在原始对象上修改
tample.drop(tample[tample['age_days'] < -300].index, inplace=True) # 删除低于-300天的行
# 查看购买数量 七七八八的加起来50以内还算正常 达到160偏差有点不一般 还是删了吧
# tample.sort_values('buy_mount', ascending=False).to_csv(r'.\data\new_trade_history.csv')
tample.drop(tample[tample['buy_mount'] > 50].index, inplace=True)
print(tample.describe())
tample.to_csv(r'.\data\new_trade_history.csv')
四、数据可视化
导入包和数据
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
trade_history = pd.read_csv(r'.\data\new_trade_history.csv')
mum_baby_trade_history = pd.read_csv(r'.\data\mum_baby_trade_history.csv')
消费者行为分析
print(mum_baby_trade_history.groupby('cat1').sum()) # 查看根类别cat1 #[6 rows x 7 columns]
result1 = pd.pivot_table(mum_baby_trade_history, index='cat1', values='buy_mount', aggfunc=np.sum)
plt.figure(figsize=(7, 5))
plt.bar(x=['28', '38', '50008168', '50014815', '50022520', '122650008'],
height=result1['buy_mount'])
plt.title("cat1类别销量")
plt.show()
由图可知，商品编号为28的销量最高，而50014815次之，而122650008的销量最低，应对此现状提高或减少生产量或者加大宣传力度。
不同性别用户的销售情况
data = pd.pivot_table(trade_history, index='gender', values='buy_mount', aggfunc=np.sum)
print(data)
plt.figure(figsize=(5, 5))
plt.pie(['718', '544', '43'],
labels=['女', '男', '未知'],
colors=['r', 'b', 'g'],
autopct='%.2f%%')
plt.title("性别与购买数量的销售关系")
plt.show()
由图可知，婴幼儿为女孩的销售量较女孩更大一些，而未出生购买商品的用户占比很小，所以应该加大用户家婴幼儿是女孩的推广力度以及产品制造。
不同性别购买商品种类的关系
资源、代码、安装包等加企鹅裙：261823976##
data = pd.pivot_table(trade_history, index='cat1',
columns='gender',
values='buy_mount',
aggfunc=np.sum)
plt.figure(figsize=(12, 5))
plt.subplot(221)
plt.bar(x=['28', '38', '50008168', '50014815', '50022520', '122650008'],
height=data[0], color='r')
plt.subplot(222)
plt.bar(x=['28', '38', '50008168', '50014815', '50022520', '122650008'],
height=data[1], color='b')
plt.subplot(223)
plt.bar(x=['28', '38', '50008168', '50014815', '50022520', '122650008'],
height=data[2], color='g')
plt.xlabel("商品种类")
plt.ylabel("销售数量")
plt.show()
销量与月份关系
mum_baby_trade_history["day"] = mum_baby_trade_history['day'].apply(lambda x:datetime.datetime.strptime(str(x),"%Y%m%d"))
mum_baby_trade_history['Month'] = mum_baby_trade_history.day.astype('datetime64[M]') # 设置成月份形式
print(mum_baby_trade_history)
data_month = mum_baby_trade_history.groupby('Month', as_index=False) # 按月份分类
data_month.buy_mount.sum() # 按月份汇总
df = data_month.buy_mount.sum() # 新建汇总列表
plt.figure(figsize=(20, 5))
plt.plot(df["Month"], df["buy_mount"])
plt.show()
分析波峰：在每年的10到11月份左右会有一个大波峰，每年的5月以及9月左右会有一个小波峰，在这段时间销量较同期会有一个明显的涨幅
推测1：节日因素，在5月有劳动节，母亲节；9月有中秋节；而是10月到11月左右有国庆节、万圣节、立冬、感恩节等节日，平台在这些节日可能绘有促销打折，这时随着价格降低需求量会增加，同时销售量也会增加。
推测2：双十一打折力度高，淘宝双十一是从2009年开始便存在的大型购物促销狂欢日，而又伴随着即将到来的春节假期，顾客可能进行囤货，结合两个因素导致需求量大幅上升，所以在11月前会出现一个大型的销量波峰。
结论：在5月与9月以及11月需要加大供货量，保证供需平衡。
分析波谷：每年的1月左右会出现一个明显的销量波谷，说明这段时间的销量较同期低。
推测：1月份正值春节，店铺休息，而开着的店铺肯定会抬高物价，而用户在11月进行囤货所以导致1月份的需求量减小，出现销量波谷。
结论：1月销量惨淡，需要考虑减少进货量的问题，适当降低物价拓宽销售渠道加大宣传力度。
用户复购率分析
data_du = mum_baby_trade_history[mum_baby_trade_history.duplicated('user_id')] # 查看复购数据
print(data_du.info())
<class 'pandas.core.frame.DataFrame'>
Int64Index: 27 entries, 6527 to 29192
Data columns (total 7 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 user_id 27 non-null int64
1 auction_id 27 non-null int64
2 cat_id 27 non-null int64
3 cat1 27 non-null int64
4 property 25 non-null object
5 buy_mount 27 non-null int64
6 day 27 non-null int64
资源、代码、安装包等加企鹅裙：261823976##
dtypes: int64(6), object(1)
memory usage: 1.7+ KB
None
sale_fu = pd.pivot_table(data_du,index='cat1',values='buy_mount',aggfunc=np.sum)
print(sale_fu)
buy_mount
cat1
28 8
38 4
50008168 19
50014815 2
plt.figure(figsize=(5,5))
plt.bar(x=['50014815','38','28','50008168'],
height=['2','4','8','19'])
ax = plt.gca()
ax.set_xlabel("商品分类")
ax.set_ylabel("销量")
plt.show()
共29971条订单记录而复购率仅为0.09%，用户粘性差，可能由于多种原因共同导致，其中可能包括产品质量差，客服服务态度差，售后保障差等多种原因。
商家必须要仔细查找更多原因来保证后续提高销售质量，提高用户的复购率。
尾语
感谢你观看我的文章呐~本次航班到这里就结束啦 🛬
希望本篇文章有对你带来帮助 🎉，有学习到一点知识~
躲起来的星星🍥也在努力发光，你也要努力加油（让我们一起努力叭）。
最后，宣传一下呀~👇👇👇更多源码、资料、素材、解答、交流皆点击下方名片获取呀👇👇👇
