python数据分析实战-在线零售业务的交易-电商平台零售数据分析（附源代码）

╰半夏微凉° 2023-07-07 11:25 14阅读 0赞

### 电商平台零售数据分析 ###

> 前面的博客中已经有使用在线零售业务数据进行数据分析，但是在这一篇，我们以不同的角度重新对这些数据进行分析。

#### 数据来源及数据结构 ####

国外的在线零售业务的交易数据，[数据下载地址][Link 1]

现在以表格的形式解释一下里面的字段：

<table> 
 <thead> 
  <tr> 
   <th>字段</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>InvoiceNo</td> 
   <td>订单编号，含有6个整数，退货订单编号开头有字母C</td> 
  </tr> 
  <tr> 
   <td>StockCode</td> 
   <td>产品编号，由5个整数构成</td> 
  </tr> 
  <tr> 
   <td>Description</td> 
   <td>产品描述</td> 
  </tr> 
  <tr> 
   <td>Quantity</td> 
   <td>产品数量，有负号表示退货</td> 
  </tr> 
  <tr> 
   <td>InvoiceDate</td> 
   <td>订单日期和时间</td> 
  </tr> 
  <tr> 
   <td>UnitPrice</td> 
   <td>单位 英镑 单位产品的价格</td> 
  </tr> 
  <tr> 
   <td>CustomerID</td> 
   <td>客户编号，由5位数字组成</td> 
  </tr> 
  <tr> 
   <td>Country</td> 
   <td>国家的名称 每个客户所在的国家/地区的名称</td> 
  </tr> 
 </tbody> 
</table>

#### 分析目的 ####

*  用户分类（RFM模型），对比分析不同用户群体在时间、地区等维度下交易量，交易金额指标，并根据分析结果提出优化建议
 *  R：最近一次消费时间(最近一次消费到参考时间的长度)
 *  F：消费的频次（单位时间内消费多少次）
 *  M：消费的金额（单位时间内总消费金额）

首先说一下思路：  
1、清洗数据，去除掉退单的数据和异常值  
2、按照RFM模型公式，计算各个模块的数值  
3、 通过数据的划分，将模型的三个模块按照重要性进行划分。  
4、 通过自定义函数，将模型进行整理  
5、 通过柱状图和饼状图对模型所划分的区域进行展示。

下面来看代码，里面有详细代码注释：

import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    import plotly as py
    import  plotly.graph_objects as go
    import seaborn as sns
    
    sns.set_style('darkgrid')
    data = pd.read_csv('data/data.csv')
    # print(data.head(10))
    
    #进行数据清洗
    # print(data.info())
    #从输出信息上来看，CustomerID 发现大量缺失，Description发现少量缺失
    
    #去除掉重复值的值
    data = data.drop_duplicates()
    #通过描述信息查看是否出现异常值
    print(data.describe())
    #通过结果发现，UnitPrice出现负值，我们只需要正值  并且 退货数据必须剔除掉
    data=data[(data['UnitPrice']>0)&(data['Quantity']>0)]
    
    #接下来将缺失的CustomerID归为一类 代号U
    data['CustomerID'].fillna('U',inplace=True)
    
    #统计最近一次消费时间【-----
    
    
    #时间格式转化成datatime 这里我们暂时不需要具体的时间，所以只留下年月日
    data['Data'] = [i[0] for i in data['InvoiceDate'].str.split(' ')]
    
    data['InvoiceDate'] = pd.to_datetime(data['Data'],errors='coerce')
    #增加三列 分别记录年、月、日
    data['Year'] = data['InvoiceDate'].dt.year
    data['Month'] = data['InvoiceDate'].dt.month
    data['Day'] = data['InvoiceDate'].dt.day
    
    #我们以所有订单的最新日期为参考时间
    Customerdata =data['InvoiceDate'].max()- data.groupby('CustomerID')['InvoiceDate'].max()
    R_Customer = Customerdata.dt.days
    
    # print(Customerdata.describe())#统计均值 标准差 最大最小值
    plt.hist(R_Customer,bins=30)
    plt.title("统计最近一次消费时间")
    # plt.show()
    #---】
    
    #统计消费的频次  也就是每个客户购买的订单数
    F_Custumer = data.groupby('CustomerID')['InvoiceNo'].nunique()
    
    #统计消费的金额
    data['Amount'] = data['UnitPrice']*data['Quantity']
    M_Custumer = data.groupby('CustomerID')['Amount'].sum()
    
    #好了 我们需要统计的都统计完了 接下来就进行分组和数据可视化
    R_bins = [0,30,90,180,360,720]
    F_bins = [1,2,5,10,20,5000]
    M_bins = [0,500,2000,5000,10000,200000]
    R_score = pd.cut(R_Customer,R_bins,labels=[5,4,3,2,1],right=False)#right=False 所划分区间是左闭右开
    F_score = pd.cut(F_Custumer,F_bins,labels=[1,2,3,4,5],right=False)
    M_score = pd.cut(M_Custumer,M_bins,labels=[1,2,3,4,5],right=False)
    
    rfm = pd.concat([R_score,F_score,M_score],axis=1)
    #从结果中看到，列名默认是采用原数据自带的列名  这里我们做一下修改
    rfm.rename(columns={ 'InvoiceDate':'R_score','InvoiceNo':'F_score','Amount':'M_score'},inplace=True)
    
    rfm = rfm.astype(float)#z转换数据类型，方便之后进行计算
    
    print(rfm.describe())# 通过查看平均值来对用户进行分级
    #R_scpre-mean():3.82
    #F_score-mean():2.02
    #M_score-mean():1.88
    
    rfm['R_score'] = np.where(rfm['R_score']>3.82,'高','低')
    rfm['F_score'] = np.where(rfm['F_score']>2.02,'高','低')
    rfm['M_score'] = np.where(rfm['M_score']>1.88,'高','低')
    
    #将这三个拼接到一块
    rfm['All'] = rfm['R_score'].str[:]+rfm['F_score'].str[:]+rfm['M_score'].str[:]
    rfm['All'] = rfm['All'].str.strip()
    
    def CheckClass(x):
        if(x=='高高高'):
            return '重要价值客户'
        elif x=='高低高':
            return '重要发展客户'
        elif x=='高高低':
            return '一般价值用户'
        elif x=='高低低':
            return '一般发展客户'
        elif x=='低高高':
            return '重要保持客户'
        elif x=='低高低':
            return '重要发展客户'
        elif x=='低低高':
            return '重要挽留客户'
        elif x=='低低低':
            return '一般挽留客户'
    
    rfm['用户等级'] = rfm['All'].apply(CheckClass)
    
    #用户等级数量可视化-
    Bar = go.Bar(x=rfm['用户等级'].value_counts().index,y=rfm['用户等级'].value_counts(),opacity=0.5,marker=dict(color='orange'))
    layout = go.Layout(title = "不同用户等级柱状图")
    fig = go.Figure(data=[Bar],layout=layout)
    py.offline.plot(fig,filename='CustomerNumber.html')
    
    #将用户等级可视化-饼状图
    Pie = go.Pie(labels=rfm['用户等级'].value_counts().index,values=rfm['用户等级'].value_counts())
    layout = go.Layout(title = "不同用户等级")
    fig = go.Figure(data=[Pie],layout=layout)
    py.offline.plot(fig,filename='CustomerClass.html')

输出两个结果图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70 1]

#### 结论和总结 ####

本次实践主要是简单描述用户画像，对用户进行分层。从图表中我们可以看到，重要价值客户和重要发展客户占比最多，对于前者，由于其购买时间间隔比较长，可以采取优惠卷或者相应打折力度，增加这种用户的回购频率；对于后者客户，除了购买时间间隔长之外，还存在购买频率比较低的问题，对于这客户，同样可以策划相应的活动。此数据还可以从另外角度分析，比如 按月份进行订单量统计，并对比去年同期数据，查看是否出现大的波动等等。

[Link 1]: https://www.lanzous.com/i9kfn7e
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200223200528831.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200223200552229.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ==,size_16,color_FFFFFF,t_70