Ｐython數(shù)據(jù)分析無錫商業(yè)職業(yè)技術(shù)學(xué)院李富隨著電商行業(yè)的激烈競爭，電商對數(shù)據(jù)分析的運(yùn)用僅靠EXCEL等軟件已出現(xiàn)掣肘。Python語言運(yùn)用于數(shù)據(jù)分析應(yīng)運(yùn)而生。本篇將運(yùn)用python編程，對電商運(yùn)行數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和處理。運(yùn)用python數(shù)據(jù)分析方法，對電商運(yùn)行數(shù)據(jù)進(jìn)行分析；基于價格、支付日期等字段數(shù)據(jù)分析支付金額等整體銷售業(yè)績指標(biāo)，探索支付金額變動的情況，并根據(jù)瀏覽量、直通車費(fèi)用、淘寶客費(fèi)用等分析其變動原因?；谥Ц督痤~、買家所在地區(qū)等字段，進(jìn)行買家地區(qū)分布分析?；谙M(fèi)次數(shù)和買家實際支付金額，分析買家消費(fèi)頻率和消費(fèi)區(qū)間分布，分析人群貢獻(xiàn)度。基于RFM模型分析，探索店鋪銷售的主要買家，并甄別各類買家，以便采取相應(yīng)措施，進(jìn)行客戶價值升級和客戶留存。學(xué)習(xí)目標(biāo)知識目標(biāo)01技能目標(biāo)02素質(zhì)目標(biāo)03學(xué)習(xí)python進(jìn)行數(shù)據(jù)分析的思路，熟悉數(shù)據(jù)處理常用庫的使用。掌握庫的使用場景，會對電子商務(wù)常用場景進(jìn)行數(shù)據(jù)分析，進(jìn)行建模。素質(zhì)目標(biāo)：具有數(shù)據(jù)分析思維，具有較好計算機(jī)素養(yǎng)，具有較高知識綜合運(yùn)用能力。學(xué)習(xí)導(dǎo)圖任務(wù)一python數(shù)據(jù)分析庫介紹01任務(wù)描述

電商最重要的工作之一是引流。而要引流必須對自己店鋪的定位比較清晰，必須對購買自己商品的買家進(jìn)行客戶數(shù)據(jù)分析。pandas、numpy和matliob是數(shù)據(jù)分析業(yè)務(wù)離不開的python庫。本節(jié)通過對店鋪銷售信息等進(jìn)行數(shù)據(jù)分析，讓同學(xué)們熟悉數(shù)據(jù)分析常用庫pandas、numpy和matliob的使用功能和應(yīng)用場景。任務(wù)目標(biāo)1.熟練數(shù)據(jù)分析常用庫的功能。2.熟悉數(shù)據(jù)分析常用庫的使用場景。一Pandas數(shù)據(jù)分析庫Pandas是一個開源的第三方Python庫，從Numpy和Matplotlib的基礎(chǔ)上構(gòu)建而來，享有數(shù)據(jù)分析“三劍客之一”的盛名（NumPy、Matplotlib、Pandas）。Pandas已經(jīng)成為Python數(shù)據(jù)分析的必備高級工具，它的目標(biāo)是成為強(qiáng)大、靈活、可以支持任何編程語言的數(shù)據(jù)分析工具。pandas為時間序列分析提供了很好的支持，最初被作為金融數(shù)據(jù)分析工具而開發(fā)出來，被應(yīng)用于金融量化交易領(lǐng)域，現(xiàn)在它的應(yīng)用領(lǐng)域更加廣泛，涵蓋了農(nóng)業(yè)、工業(yè)、交通等許多行業(yè)。1.1創(chuàng)建數(shù)據(jù)并保存

1.1.1創(chuàng)建二維數(shù)組數(shù)據(jù)

1.1.2以xlsx和.csv保存數(shù)據(jù)

1.2

讀取數(shù)據(jù)并查看指定幾行1.3數(shù)據(jù)格式查看1.4

查看數(shù)字型數(shù)據(jù)整體信息1.5行列數(shù)據(jù)增加或刪減處理1.5.1

對原有數(shù)據(jù)增加１列1.5.2

對原有數(shù)據(jù)中的一列或幾列進(jìn)行刪除1.5.3

根據(jù)需要，提取原有數(shù)據(jù)一列或幾列進(jìn)行指定操作1.6

重復(fù)數(shù)據(jù)判斷及去重1.6.1判斷數(shù)據(jù)中的某列或某列數(shù)據(jù)是否存在重復(fù)二

Numpy科學(xué)計算庫Numpy是一個開源的Python科學(xué)計算庫，是Python中諸多數(shù)據(jù)科學(xué)庫的重要基礎(chǔ)，例如，pandas，OpenCV，TensorFlow等。熟悉和精通NumPy科學(xué)計算庫，對于理解和應(yīng)用其它基于NumPy而衍生的庫非常重要，許多其他應(yīng)用較多的庫如Pandas、Scikit-learn等都要用到Numpy庫的一些功能。這里主要介紹Numpy數(shù)組對象概念、如何創(chuàng)建數(shù)組、Numpy數(shù)值類型轉(zhuǎn)換、數(shù)組的轉(zhuǎn)置、數(shù)組的切片和索引、數(shù)組的堆疊、numpy常用統(tǒng)計函數(shù)等。2.1

Numpy數(shù)組對象介紹Numpy中的多維數(shù)組稱為ndarray，這是Numpy中最常見的數(shù)組對象。ndarray對象通常包含兩個部分：ndarray數(shù)據(jù)本身、描述數(shù)據(jù)的元數(shù)據(jù)。Numpy數(shù)組的優(yōu)勢：Numpy數(shù)組通常是由相同種類的元素組成的，即數(shù)組中的數(shù)據(jù)項的類型一致。這樣有一個好處，由于知道數(shù)組元素的類型相同，所以在計算是能快速確定存儲數(shù)據(jù)所需空間的大小。Numpy數(shù)組和python列表處理相比，Numpy使用了優(yōu)化過的算法，它的優(yōu)勢在于能夠運(yùn)用向量化運(yùn)算來處理整個數(shù)組，速度較快；而Python的列表則通常需要借助循環(huán)語句遍歷列表，運(yùn)行效率相對來說要差。2.2創(chuàng)建ndarray數(shù)組首先需要導(dǎo)入numpy庫，在導(dǎo)入numpy庫時通常使用“np”作為簡寫，這也是數(shù)據(jù)分析行業(yè)通用的寫法。這樣寫法的好處在于，由于業(yè)內(nèi)公認(rèn)，便于和其他程序嫁接，和其他程序保持一致，便于修改、完善和協(xié)調(diào)。importnumpyasnp創(chuàng)建ndarray數(shù)組的方式有很多種，這里介紹使用的較多的幾種：任務(wù)二Python數(shù)據(jù)分析02任務(wù)描述店鋪運(yùn)行后我們需要時刻知道店鋪的運(yùn)營情況，這就需要經(jīng)常采集店鋪和行業(yè)數(shù)據(jù)并進(jìn)行分析。但采集的數(shù)據(jù)往往存在缺失、重復(fù)、異常和格式不對等情況，需要進(jìn)行清洗和處理，以便后續(xù)進(jìn)行數(shù)據(jù)分析。本節(jié)將對店鋪運(yùn)行數(shù)據(jù)進(jìn)行處理，了解數(shù)據(jù)情況，并從缺失、重復(fù)、異常和格式角度進(jìn)行適當(dāng)處理。任務(wù)目標(biāo)1.熟悉數(shù)據(jù)清洗的處理步驟。2.熟悉數(shù)據(jù)清洗的合適處理方式。知識準(zhǔn)備1.熟悉數(shù)據(jù)清洗的概念和內(nèi)涵。2.熟悉數(shù)據(jù)清洗的常用方法和函數(shù)。一數(shù)據(jù)清洗的內(nèi)涵和類型所謂數(shù)據(jù)清洗，實際上就是對缺失值、異常值的刪除處理或填充處理，以及為了方便數(shù)據(jù)的獲取和分析，對列名的重命名、列數(shù)據(jù)的類型轉(zhuǎn)換或者是排序等操作。二數(shù)據(jù)清洗的常用方法2.1

缺失值處理2.1.1

判斷數(shù)據(jù)表是否有缺失值分析判斷數(shù)據(jù)表是否有缺失值的常見函數(shù)有info（）和isna()。（1）info（）函數(shù)判斷數(shù)據(jù)表是否有缺失值使用方法：DataF()結(jié)果是返回數(shù)據(jù)的相關(guān)信息，包括：行數(shù)、列數(shù)、列索引、列非空值個數(shù)、列類型、內(nèi)存占用等。對其中的2023版數(shù)據(jù)分析技術(shù)表1.csv文件，用info()進(jìn)行缺失值分析。方法如下：importpandasaspddf1=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表1.csv',encoding="ANSI")()

#ColumnNon-NullCountDtype----------------------------0統(tǒng)計日期183non-nullobject1訪客數(shù)183non-nullint642商品瀏覽量183non-nullint643支付金額183non-nullfloat644直通車消耗183non-nullfloat645淘客傭金183non-nullfloat64dtypes:float64(3),int64(2),object(1)memoryusage:8.7+KB<class'pandas.core.frame.DataFrame'>RangeIndex:183entries,0to182Datacolumns(total6columns):（2）isna()函數(shù)判斷數(shù)據(jù)表是否有缺失值以下找到：路徑f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\，對其中的2023版數(shù)據(jù)分析技術(shù)表1.csv文件，用isna()函數(shù)進(jìn)行缺失值分析。方法如下：使用方法：DataFrame.isna().any()這種方法會返回一個僅含True和False這兩種值的系列（Series）。df1.isna().any()打印并輸出結(jié)果為：統(tǒng)計日期False訪客數(shù)False商品瀏覽量False支付金額False直通車消耗False淘客傭金Falsedtype:bool2.1.2數(shù)據(jù)表的缺失值處理（1）補(bǔ)充數(shù)據(jù)表的缺失值

假如某一字段含有缺失值，可以采用DataFrame.fillna（）補(bǔ)充。有以下方法：1）可以使用字符串，如‘缺失’、“/“等來填充字段的空值。2）如果是數(shù)值缺失，可以采用該字段平均值或中位數(shù)或眾數(shù)去填充，以確保填充后數(shù)據(jù)的總體趨向不變。importpandasaspddf2=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表2.csv',encoding="ANSI")()Datacolumns(total8columns):#ColumnNon-NullCountDtype----------------------------0子訂單編號6419non-nullfloat641購買數(shù)量6419non-nullint642買家實際支付金額6419non-nullfloat643訂單創(chuàng)建時間6419non-nullobject4訂單付款時間6410non-nullobject5物流公司6379non-nullobject6網(wǎng)名6419non-nullobject7地區(qū)6419non-nullobjectdtypes:float64(2),int64(1),object(5)memoryusage:401.3+KB

可以看出訂單付款時間和物流公司兩列數(shù)據(jù)存在數(shù)據(jù)缺失。全部數(shù)據(jù)為6419，而這兩項數(shù)據(jù)分別6410和6379個。我們用print(df2.isna().any())命令，輸出結(jié)果如下：子訂單編號False購買數(shù)量False買家實際支付金額False訂單創(chuàng)建時間False訂單付款時間True物流公司True網(wǎng)名False地址Falsedtype:bool由于買家實際支付金額數(shù)據(jù)不缺，對于訂單付款時間，我們可以用訂單創(chuàng)建時間來提替代，由于涉及較少數(shù)據(jù)，而且支付金額不大，不影響分析的趨向。如：df2.訂單付款時間=df2.訂單付款時間.fillna(df2['訂單創(chuàng)建時間'])對于物流公司名稱數(shù)據(jù)缺失，由于不影響分析，我們用缺失兩字替代。采用如下命令：df2.物流公司=df2.物流公司.fillna('缺失')print(df2.isna().any())輸出結(jié)果：子訂單編號False購買數(shù)量False買家實際支付金額False訂單創(chuàng)建時間False訂單付款時間False物流公司False網(wǎng)名False地址Falsedtype:booldf2.isna().any()的值都為false,說明缺失值已經(jīng)補(bǔ)充完整。需要對數(shù)據(jù)用平均值或中位數(shù)或眾數(shù)處理，譬如對買家實際支付金額的處理，如果存在缺失，就可以采用均值、中數(shù)和眾數(shù)方法處理：df2.買家實際支付金額=df2.買家實際支付金額.fillna(df2['買家實際支付金額'].mean())df2.買家實際支付金額=df2.買家實際支付金額.fillna(df2['買家實際支付金額'].median())df2.買家實際支付金額=df2.買家實際支付金額.fillna(df2['買家實際支付金額'].mode())（2）刪除缺失值如果缺失的數(shù)據(jù)對整體指標(biāo)的變化影響不大，對分析結(jié)果的影響不大，可以進(jìn)行簡單處理，即對無效的數(shù)據(jù)進(jìn)行刪除。2.2重復(fù)值處理判斷2023版數(shù)據(jù)分析技術(shù)表1的數(shù)據(jù)是否整行重復(fù)，可以采用如下方法：importpandasaspddf1=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表1.csv',encoding="ANSI")flag=df1.duplicated()df1['is_repeat']=flagprint(df1)

輸出結(jié)果為：統(tǒng)計日期訪客數(shù)商品瀏覽量支付金額直通車消耗淘客傭金is_repeat02023/6/11995531314873.490983.5910.24False12023/6/2131636755598.040291.9510.99False22023/6/3193950895944.890809.1111.34False32023/6/41911699310794.231736.610.00False42023/6/51862513810701.789698.9250.13False.......................1782023/11/263682875717349.3002151.3842.00False1792023/11/274081933134120.2902623.8731.26False1802023/11/283752845623620.8002142.5344.64False2.3格式轉(zhuǎn)化數(shù)據(jù)在處理中一些時間維度數(shù)據(jù)或量化數(shù)據(jù)是字符串型的，需要轉(zhuǎn)換成它原有的類型。如2023版數(shù)據(jù)分析技術(shù)表1的訂單日期這個時間維度數(shù)據(jù)是字符串型的，需要修改成時間類型（datetime類型）。下面采用to_datetime方法，進(jìn)行處理。同時采用dtypes顯示處理后的數(shù)據(jù)類型情況。importpandasaspddf1=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表1.csv',encoding="ANSI")df1['統(tǒng)計日期']=pd.to_datetime(df1['統(tǒng)計日期'])print(df1.dtypes)輸出結(jié)果如下：統(tǒng)計日期datetime64[ns]訪客數(shù)int64商品瀏覽量int64支付金額float64直通車消耗float64淘客傭金float64dtype:object可以看出統(tǒng)計日期變成datetime64[ns]時間格式了2.4異常值處理數(shù)據(jù)缺失值明確、補(bǔ)充和調(diào)整完整后，接下來需要進(jìn)一步檢查數(shù)據(jù)中是否含有異常值，這里采用Pandas的describe()方法，通過描述電子商務(wù)數(shù)據(jù)集的數(shù)據(jù)趨勢情況，可以粗略看出電子商務(wù)數(shù)據(jù)集數(shù)據(jù)的整體表現(xiàn)，從而從價值或經(jīng)驗角度，判斷數(shù)據(jù)是否存在異常。describe()函數(shù)里涉及的常用指標(biāo)包括count、mean、std、min、max、下四分位數(shù)，中位數(shù)和上四分位數(shù)等指標(biāo)。對2023版數(shù)據(jù)分析技術(shù)表1.csv的數(shù)據(jù)集進(jìn)行異常值分析，方法如下：df1.describe()

統(tǒng)計日期訪客數(shù)...直通車消耗淘客傭金count183183.000000...183.000000183.000000mean2023-08-3100:00:003400.448087...2148.28737726.671257min2023-06-0100:00:001113.000000...0.0000000.00000025%2023-07-1612:00:001988.000000...983.5050009.95500050%2023-08-3100:00:003024.000000...1850.31000023.36000075%2023-10-1512:00:004431.000000...2912.95000037.425000max2023-11-3000:00:008775.000000...31773.390000119.640000stdNaN1680.661168...2547.89161222.485986[8rowsx6columns]

通過分析describe()結(jié)果，發(fā)現(xiàn)采用的數(shù)據(jù)集并無異常值存在。三數(shù)據(jù)處理常用函數(shù)類型總結(jié)3.1數(shù)據(jù)表數(shù)據(jù)類型、格式及特征檢查數(shù)據(jù)清洗前，要對數(shù)據(jù)表進(jìn)行檢查，可以采用以下方法：Values（）、unique（）、Isnull（）、dtypes（）、info（）、shape（）等，利用Values（）可以查看數(shù)據(jù)集中的數(shù)值，利用unique（）查看name列中的唯一值，也就是可以查看數(shù)據(jù)集是否有重復(fù)值；利用isnull()可以檢查數(shù)據(jù)是否有空值，整體數(shù)據(jù)集和單列數(shù)據(jù)都可以檢查；進(jìn)一步利用isnull().value_counts()可獲得空值數(shù)據(jù)量；利用dtypes（）可以一次性查看數(shù)據(jù)表中所有數(shù)據(jù)的格式，也可以指定一列來單獨查看；利用info（）可以檢查數(shù)據(jù)表的整體信息；利用shape（）函數(shù)返回一個反應(yīng)數(shù)組維度的元組。3.2數(shù)據(jù)表清洗清洗數(shù)據(jù)表，需要對空值進(jìn)行處理，可以采用刪除、填充、數(shù)據(jù)格式更改、刪除函數(shù)重復(fù)值、替代數(shù)據(jù)等，利用Dropna（）對空值行進(jìn)行刪除，如dropna(how=‘a(chǎn)ny')就可以刪除數(shù)據(jù)表中含有空值的行；利用fillna（）對空值進(jìn)行填充；利用asstype（）進(jìn)行數(shù)據(jù)格式更改；利用drop_duplicate（）刪除數(shù)據(jù)集重復(fù)值，如drop_duplicates(keep=‘last')保留最后一個重復(fù)值；利用replace（）對原有數(shù)據(jù)進(jìn)行替代，常用于替換異常數(shù)據(jù)；利用map（）清楚空格，如map(str.strip)。3.3數(shù)據(jù)表預(yù)處理數(shù)據(jù)預(yù)處理是對清洗后的數(shù)據(jù)表進(jìn)行進(jìn)一步處理，以便后續(xù)能依據(jù)數(shù)據(jù)進(jìn)行深入的分析。如利用Sort_values（）對數(shù)據(jù)集進(jìn)行排序；利用merge（）對數(shù)據(jù)集進(jìn)行合并；利用split（）對數(shù)據(jù)集進(jìn)行分裂；利用where（）和groupy（）對數(shù)據(jù)集進(jìn)行分組；利用reshape（）調(diào)整數(shù)組維度；利用astype()強(qiáng)制轉(zhuǎn)換numpy數(shù)據(jù)類型轉(zhuǎn)換，調(diào)用astype返回數(shù)據(jù)類型修改后的數(shù)據(jù)，但是源數(shù)據(jù)的類型不會變，如astype('int')；rename（）常用于更改列名，如rename(columns={‘name':‘LFName'});append數(shù)據(jù)表追加，如df1.append(df2)。3.4數(shù)據(jù)表數(shù)據(jù)提取在處理中經(jīng)常需要對數(shù)據(jù)集中的相關(guān)數(shù)據(jù)進(jìn)行提取，以便方便分析。如loc利用切片原理，使用loc函數(shù)進(jìn)行切片操作時只能使用行名或者列名，也就是索引(行名)和字符串(列名),如df_inner.1oc[:4]，這里是取0到4的所有列；iloc函數(shù)則和loc函數(shù)相反，只能使用默認(rèn)的數(shù)字索引，不能使用自定義的行列名字索引。如使用iloc按位置區(qū)域提取數(shù)據(jù)，如df_inner.iloc[:4,:5]，表示從0開始，提取前四行、前五列。ix把iloc和loc語法綜合了，如可以利用ix按標(biāo)簽和位置同時進(jìn)行數(shù)據(jù)提取，如df.ix[1]可以像iloc通過行號選取，df1.ix[‘a(chǎn)']可以像loc通過標(biāo)簽選?。籨f1.ix[3,3]通過行號選取指定位置的數(shù)據(jù)；df1.ix[‘a(chǎn)',‘a(chǎn)']通過標(biāo)簽選取指定位置的數(shù)據(jù)。任務(wù)三銷售數(shù)據(jù)變動分析及可視化03任務(wù)描述店鋪運(yùn)行后我們需要采集數(shù)據(jù)對店鋪的運(yùn)轉(zhuǎn)情況進(jìn)行分析，以便采取有利的行動。譬如店鋪業(yè)績波動的情況、相關(guān)指標(biāo)的關(guān)聯(lián)性、銷售如何提升等。本節(jié)將運(yùn)用python數(shù)據(jù)分析方法，對電商運(yùn)營數(shù)據(jù)進(jìn)行分析，基于價格、支付日期等字段數(shù)據(jù)分析支付金額等整體銷售業(yè)績指標(biāo)，探索支付金額變動的情況。根據(jù)瀏覽量、直通車費(fèi)用、淘寶客費(fèi)用等分析銷售業(yè)績（下單金額）變動的原因。進(jìn)而建立廣告投入和買家下單金額之間的模型關(guān)系，并用之進(jìn)行預(yù)測買家支付金額的變動情況等。任務(wù)目標(biāo)1.熟悉銷售業(yè)績指標(biāo)波動的處理和分析。2.熟悉銷售業(yè)績變化的模型構(gòu)建和預(yù)測。一銷售業(yè)績指標(biāo)波動情況1.1

銷售收入（支付金額）和月份關(guān)系為了便于分析每月銷售收入數(shù)據(jù)，需要按月統(tǒng)計電子商務(wù)數(shù)據(jù)集——2023版數(shù)據(jù)分析技術(shù)表1中的支付金額數(shù)據(jù)，這里主要使用Pandas中的DataFrame對象的resample()方法和to_period()方法實現(xiàn)日期數(shù)據(jù)的統(tǒng)計并顯示：#支付金額和統(tǒng)計月份關(guān)系importpandasaspdimportmatplotlib.pyplotaspltdf1=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表1.csv',encoding="ANSI")df1=df1[['統(tǒng)計日期','支付金額']]df1['統(tǒng)計日期']=pd.to_datetime(df1['統(tǒng)計日期'])#將日期轉(zhuǎn)換為日期格式df1=df1.set_index('統(tǒng)計日期',drop=True)#設(shè)置日期為索引,并刪除原來的日期列df_m=df1.resample('M').sum().to_period('M')ax.set_title('按月分析銷售收入')df_m.plot(kind='bar',ax=ax,color='g')#柱形圖#調(diào)整圖表距上部和底部的空白plt.subplots_adjust(top=0.95,bottom=0.15)plt.show()如圖，可以看出2023年6月至2023年8月，店鋪的銷售收入（支付金額）穩(wěn)中有略微的上升。2023年9月店鋪的銷售收入（支付金額）明顯上升。2023年9月至2023年10月，店鋪的銷售收入（支付金額）穩(wěn)中有略微的下降。而在2023年11月份店鋪的銷售收入（支付金額）明顯又有一個提升，達(dá)到一個高峰期。1.2銷售收入（支付金額）與具體日期關(guān)系importpandasaspdimportmatplotlib.pyplotaspltdf1=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表1.csv',encoding="ANSI")df1=df1[['統(tǒng)計日期','支付金額']]df1['統(tǒng)計日期']=pd.to_datetime(df1['統(tǒng)計日期'])#將日期轉(zhuǎn)換為日期格式df1=df1.set_index('統(tǒng)計日期',drop=True)#設(shè)置日期為索引,并刪除原來的日期列df_d=df1.resample('D').sum().to_period('D')#圖表字體為黑體，字號為10#圖表字體為黑體，字號為10plt.rc('font',family='SimHei',size=10)#繪制子圖fig=plt.figure(figsize=(9,5))ax=fig.subplots(1,1)#創(chuàng)建Axes對象#分別設(shè)置圖表標(biāo)題ax.set_title('按天分析支付金額')df_d.plot(ax=ax,color='r')#折線圖#調(diào)整圖表距上部和底部的空白plt.subplots_adjust(top=0.95,bottom=0.15)plt.show()如圖，6月到9月按天支付金額整體呈現(xiàn)上升。9月13日左右為一個銷售高峰期，10月12日左右為一個銷售高峰期，10月15日以后的銷售明顯呈現(xiàn)下降；11月1-11日銷售收入明顯上漲，11月11以后又開始下降，原因同銷售收入（支付金額）和月份關(guān)系。其余時間支付金額呈現(xiàn)回歸趨勢。二銷售收入波動原因２.1

基于瀏覽量分析使用PV（頁面訪問量）和UV（獨立訪客數(shù)）指標(biāo)，分析訪問量和訪問用戶的趨勢和規(guī)律。用可視化工具繪制相應(yīng)的圖表更好地展示數(shù)據(jù)，進(jìn)而找出高峰和低估，及分析用戶訪問偏好。同時，由于我們的數(shù)據(jù)涉及9月、10月及11月數(shù)據(jù)，擁有“雙十一”這一特殊日期，因此可針對11月11日這一天的前后段時間進(jìn)行具體分析，以便更好地發(fā)現(xiàn)活動對店鋪經(jīng)營業(yè)績的影響，更好的策劃并利用好平臺活動。2.1.1訪客數(shù)UV與統(tǒng)計日期關(guān)系importpandasaspdimportmatplotlib.pyplotaspltdf1=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表1.csv',encoding="ANSI")df1=df1[['統(tǒng)計日期','訪客數(shù)']]df1['統(tǒng)計日期']=pd.to_datetime(df1['統(tǒng)計日期'])df1=df1.set_index('統(tǒng)計日期',drop=True)df_f=df1.resample('D').sum().to_period('D')#圖表字體為黑體，字號為10plt.rc('font',family='SimHei',size=10)#繪制子圖fig=plt.figure(figsize=(9,5))ax=fig.subplots(1,1)#創(chuàng)建Axes對象ax.set_title('按天統(tǒng)計訪客數(shù)')df_f.plot(ax=ax,color='b')plt.subplots_adjust(top=0.95,bottom=0.15)plt.show()如圖，6月到9月按天支付金額整體呈現(xiàn)上升。如圖9月13-15日左右為一個訪客高峰期，10月13日左右訪客數(shù)急劇增加，15日左右訪客數(shù)達(dá)到頂峰，11月4日前后、11月14-20日期間分別有一個高峰期。2.1.2

商品瀏覽量PV與統(tǒng)計日期關(guān)系importpandasaspdimportmatplotlib.pyplotaspltdf1=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表1.csv',encoding="ANSI")df1=df1[['統(tǒng)計日期','商品瀏覽量']]df1['統(tǒng)計日期']=pd.to_datetime(df1['統(tǒng)計日期'])df1=df1.set_index('統(tǒng)計日期',drop=True)df_f=df1.resample('D').sum().to_period('D')#圖表字體為黑體，字號為10plt.rc('font',family='SimHei',size=10)#繪制子圖fig=plt.figure(figsize=(9,5))ax=fig.subplots(1,1)#創(chuàng)建Axes對象ax.set_title('按天統(tǒng)計商品瀏覽量')df_f.plot(ax=ax,color='b')plt.subplots_adjust(top=0.95,bottom=0.15)plt.show()如圖，6月到9月按天統(tǒng)計商品瀏覽量整體呈現(xiàn)上升。如圖9月14日至9月23日是一個商品瀏覽量小高峰，10月15日到10月23日商品瀏覽量達(dá)到一個峰值，11月4日前后、11月14-21日期間分別有一個高峰期，其余時間支付金額呈現(xiàn)回歸趨勢。2.2

基于廣告費(fèi)分析（直通車消耗+淘客傭金）下面通過折線圖來看一下直通車消耗與下單金額之間的相關(guān)性，用散點圖看下淘客傭金與下單金額之間的相關(guān)性。2.2.1直通車消耗與支付金額關(guān)系為了更清晰地對比直通車消耗與支付金額這兩組數(shù)據(jù)的變化和趨勢，我們使用雙y軸折線圖，其中主y軸用來繪制直通車消耗數(shù)據(jù)，次y軸用來繪制支付金額數(shù)據(jù)。importpandasaspdimportmatplotlib.pyplotaspltdf1=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表1.csv',encoding="ANSI")df1=df1[['統(tǒng)計日期','支付金額','直通車消耗']]df1['統(tǒng)計日期']=pd.to_datetime(df1['統(tǒng)計日期'])df1=df1.set_index('統(tǒng)計日期',drop=True)#按月統(tǒng)計金額df_y=df1.resample('M').sum().to_period('M')y1=pd.DataFrame(df_y['直通車消耗'])y2=pd.DataFrame(df_y['支付金額'])#圖表字體為黑體，字號為11plt.rc('font',family='SimHei',size=10)#繪制子圖fig=plt.figure(figsize=(9,5))ax1=fig.add_subplot(111)#創(chuàng)建Axes對象plt.title('直通車消耗與支付金額關(guān)系折線圖')#分別設(shè)置圖表標(biāo)題#圖表x軸標(biāo)題x=[9,10,11]#plt.xticks,把坐標(biāo)軸變成想要的樣子plt.xticks(x,['9月','10月','11月'])ax1.plot(x,y1,color='orangered',linewidth=2,linestyle='-',marker='o',mfc='w',label='直通車消耗')plt.legend(loc='upperleft')ax2=ax1.twinx()#添加一條y軸坐標(biāo)軸ax2.plot(x,y2,color='b',linewidth=2,linestyle='-',marker='o',mfc='w',label='支付金額')#調(diào)整圖表距上部和底部的空白plt.subplots_adjust(right=0.85)plt.legend(loc='uppercenter')plt.show()通過折線圖可以發(fā)現(xiàn)，6月至9月之間，直通車消耗和支付金額兩組數(shù)據(jù)的變化和趨勢大致呈現(xiàn)相同，直通車消耗呈現(xiàn)增加趨勢，就是直通車花費(fèi)的費(fèi)用越來越多，銷售收入（支付金額）也呈現(xiàn)上漲趨勢。9月至11月之間，從整體的趨勢來看，直通車消耗呈現(xiàn)下降趨勢，就是直通車花費(fèi)的費(fèi)用越來越少，并且從10越開始下降的更快。支付金額從9月到10月呈現(xiàn)下降，10月到11月呈現(xiàn)快速增加。從規(guī)律性來看從9月到10月直通車消耗和支付金額變化趨勢呈現(xiàn)一致，10月以后店鋪的支付金額呈現(xiàn)一段快速上升的趨勢。

對比折線圖，散點圖更加直觀，因為散點圖去除了時間維度的影響，只關(guān)注淘客傭金和支付金額兩組數(shù)據(jù)間的關(guān)系。在繪制散點圖之前，我們將淘客傭金設(shè)置為x，也就是自變量，將支付金額設(shè)置為y，也就是因變量。下面根據(jù)每個月淘客傭金和支付金額數(shù)據(jù)繪制散點圖，x軸是自變量淘客傭金數(shù)據(jù)，y軸是因變量支付金額數(shù)據(jù)。importpandasaspdimportmatplotlib.pyplotaspltdf1=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表1.csv',encoding="ANSI")df1=df1[['統(tǒng)計日期','淘客傭金','支付金額']]df1['統(tǒng)計日期']=pd.to_datetime(df1['統(tǒng)計日期'])df1=df1.set_index('統(tǒng)計日期',drop=True)#按月統(tǒng)計金額df_s=df1.resample('M').sum().to_period('M')#x為廣告費(fèi)，y為銷售收入x=pd.DataFrame(df_s['淘客傭金'])y=pd.DataFrame(df_s['支付金額'])#圖表字體為黑體，字號為11plt.rc('font',family='SimHei',size=11)plt.figure("淘客傭金與支付金額散點圖")plt.scatter(x,y,color='r')#真實值散點圖plt.xlabel('淘客傭金（元）')plt.ylabel('支付金額（元）')plt.subplots_adjust(left=0.15)#圖表距畫布右側(cè)之間的空白plt.show()從數(shù)據(jù)點的分布情況可以發(fā)現(xiàn)，自變量x和因變量y基本有著相同的變化趨勢，當(dāng)淘客傭金增加后，支付金額總體呈現(xiàn)上升趨勢。但當(dāng)淘客傭金上升到1100元后，支付金額呈現(xiàn)略微下降趨勢。三根據(jù)廣告費(fèi)預(yù)測銷售業(yè)績變動從前面可以看出廣告費(fèi)投入（直通車耗費(fèi)和淘客傭金之和）和支付金額變化并不完全同步，但總體趨向基本呈現(xiàn)同向變動，這里主要考慮有時間滯后和市場反應(yīng)較慢的原因。現(xiàn)在我們可以進(jìn)一步建立他們之間的模型關(guān)系，明確他們之間的互動，并用之于預(yù)測。此次準(zhǔn)備使用線性回歸方法進(jìn)行預(yù)測，并將預(yù)測結(jié)果繪制成圖表，趨勢變化和現(xiàn)實的關(guān)系也會變得更加清晰起來3.1建立廣告費(fèi)和支付資金之間的線性模型#根據(jù)廣告費(fèi)進(jìn)行預(yù)測——建立線性模型importpandasaspdfromsklearnimportlinear_modelimportmatplotlib.pyplotaspltimportnumpyasnpdf1=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表1.csv',encoding="ANSI")df1['廣告費(fèi)']=df1['直通車消耗']+df1['淘客傭金']print(df1['廣告費(fèi)'])df1=df1[['統(tǒng)計日期','廣告費(fèi)','支付金額']]#數(shù)據(jù)處理df1['統(tǒng)計日期']=pd.to_datetime(df1['統(tǒng)計日期'])df1=df1.set_index('統(tǒng)計日期',drop=True)#按月統(tǒng)計金額df_g=df1.resample('M').sum().to_period('M')clf=linear_model.LinearRegression()#創(chuàng)建線性模型#x為廣告費(fèi)，y為銷售收入x=pd.DataFrame(df_g['廣告費(fèi)'])y=pd.DataFrame(df_g['支付金額'])clf.fit(x,y)#擬合線性模型k=clf.coef_#獲取回歸系數(shù)b=ercept_#獲取截距Print(k,b),輸出結(jié)果為：[[5.69969594]][224062.7511935]3.2

評估模型的精準(zhǔn)度通過計算預(yù)測值和真實值偏差，來估算模型的精準(zhǔn)度。這里通過可視化表示：plt.rcParams['font.sans-serif']=['SimHei']#設(shè)置中文plt.title("廣告效果")#設(shè)置標(biāo)題plt.xlabel('廣告費(fèi)-元')plt.ylabel('支付金額-元')y1=k*x+bplt.scatter(x,y,color='r',marker="o")plt.plot(x,y1,linestyle='-',color='g',marker="*")plt.show()#展現(xiàn)可以看出這里的線性模型實際值均勻并集中分布在線的兩側(cè)，說明模型擬合度較好。3.3

利用模型進(jìn)行預(yù)測如根據(jù)未來3個月計劃投入的廣告費(fèi)，預(yù)測未來3個月的下單金額：x=np.array([1200,130000,1600])x=x.reshape(3,1)#數(shù)組重塑y_pred=clf.predict(x)print(y_pred)預(yù)測輸出結(jié)果為：[[230902.38631854]

[965023.22307301]

[233182.26469356]]

當(dāng)然，以上僅是簡單的預(yù)測，讓同學(xué)們掌握這種方法。實際上，紡織品類大部分受季節(jié)性影響的行業(yè)，建議用新一個周期一般3-4個月左右，比如春款的推廣是從1月啟動3-4月結(jié)束；夏款則是從4月啟動6-7月結(jié)束；秋冬款是全年的重點一般從8月啟動，11月達(dá)到峰值12月結(jié)束；所以建議預(yù)測結(jié)合行業(yè)啟動周期來，不根據(jù)純粹的時間來。任務(wù)四用戶消費(fèi)特征分析04任務(wù)描述買家是店鋪運(yùn)行重點關(guān)注的對象，如何提高買家的滿意是店鋪經(jīng)營的追求。因此需要關(guān)注買家的行為，對買家的消費(fèi)特征進(jìn)行分析。本節(jié)將基于支付金額、買家所在地區(qū)等字段，進(jìn)行買家地區(qū)分布分析?；谙M(fèi)次數(shù)和買家實際支付金額，分析買家消費(fèi)頻率和消費(fèi)區(qū)間分布，并分析店鋪銷售的主要貢獻(xiàn)主力人群。基于RFM模型分析，探索店鋪銷售的主要支付買家，并分析出各類別買家數(shù)量，以便采取相應(yīng)措施，進(jìn)行客戶價值升級和客戶留存。任務(wù)目標(biāo)1.熟悉支付金額與區(qū)域、買家消費(fèi)頻次的關(guān)系處理。2.熟悉RFM客戶價值分析模型的構(gòu)建和使用。一用戶整體消費(fèi)趨勢分析1.1支付金額與省份之間的關(guān)系使用Pandas庫中的read_csv()函數(shù)讀取CSV文件，并將數(shù)據(jù)存儲在DataFrame對象中。然后，我們提取地區(qū)和買家實際支付金額列，并將它們存儲在列表中。接下來，我們使用Matplotlib庫中的bar()函數(shù)繪制地區(qū)分布圖，其中地區(qū)作為類別標(biāo)簽，買家實際支付金額作為每個類別的計數(shù)。最后，我們添加標(biāo)題、x軸標(biāo)簽和y軸標(biāo)簽，并顯示圖形。importpandasaspdimportmatplotlib.pyplotasplt#讀取CSV文件df=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表2.csv',encoding="ANSI")#提取地區(qū)列regions=df['地區(qū)'].tolist()#提取銷售額列，并按銷售額降序排序sales=df['買家實際支付金額'].tolist()sales.sort(reverse=True)#繪制地區(qū)分布圖，使用地區(qū)作為類別標(biāo)簽，銷售額作為每個類別的計數(shù)plt.plot(regions,sales)plt.xticks(rotation=90)plt.title('支付金額地區(qū)分布')plt.xlabel('地區(qū)')plt.ylabel('買家實際支付金額')plt.show()可以看出廣東省、貴州省、陜西省、安徽省和湖南省是店鋪商品主要買家所在地，特別是廣東省是店鋪客戶的主要來源。因此在廣告投放角度考慮，可以根據(jù)店鋪客戶的來源合理分配廣告投入資金，客戶多的地方廣告投入多些；客源少的地方，廣告投入可以相對較少。1.2

客戶消費(fèi)頻次與消費(fèi)金額分析運(yùn)用groupby進(jìn)行匯總計算，采用describe進(jìn)行描述性統(tǒng)計分析。查看用戶消費(fèi)的頻率和消費(fèi)金額分布。df2=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表2.csv',encoding="ANSI")con_grouper=df2.groupby(by='網(wǎng)名').agg({'子訂單編號':'count','購買數(shù)量':'sum','買家實際支付金額':'sum'})dstistics=con_grouper.describe().round(2)print(dstistics)輸出結(jié)果為：

子訂單編號

購買數(shù)量

買家實際支付金額count

4101.004101.004101.00mean

1.572.34375.64std

8.6719.652061.92min1.001.000.0025%

1.001.00259.0050%1.001.00280.0075%1.001.00309.00max466.001062.00110891.94買家平均購買數(shù)量為1.57，中位數(shù)是1，最大值是466，說明小部分用戶消費(fèi)頻次略高。買家實際支付金額中位值只有280元，平均實際支付金額為375.64元，最大值為110891.94元，說明小部分用戶消費(fèi)金額較高，圖像呈右偏分布。接下來，我們用散點圖表示買方消費(fèi)次數(shù)與買家實際支付金額的關(guān)系。plt.rcParams['font.sans-serif']=['KaiTi']plt.scatter(con_grouper['買家實際支付金額'],con_grouper['購買數(shù)量'],label='訂單')plt.title('購買次數(shù)與買家實際支付金額的散點圖')plt.xlabel('買家實際支付金額')plt.ylabel('購買次數(shù)')plt.legend()plt.show()由圖可知，消費(fèi)金額和消費(fèi)次數(shù)并不呈線性關(guān)系。絕大多數(shù)買家在低價商品上購買比較多（包括薅羊毛用戶），高價商品的購買次數(shù)可能只有一兩三次。表明大多數(shù)用戶在小金額范圍進(jìn)行多次小額付款。1.3買家消費(fèi)貢獻(xiàn)率分析繪制直方圖，通過直方圖的分布密度看付款金額的數(shù)據(jù)分布。plt.rcParams['font.sans-serif']=['KaiTi']plt.hist(con_grouper['買家實際支付金額'],bins=60,label='付款金額')plt.title('付款金額分布')plt.xlabel('付款金額')plt.ylabel('密度')plt.legend()plt.show()分析：付款金額分布圖呈左偏分布，有極大值。實際表明大多數(shù)用戶在小金額范圍進(jìn)行多次小額付款，前面的均值分布只有375.64元。

為了能更說明問題，我們特意計算用戶累計消費(fèi)金額占比分布。在計算累計消費(fèi)金額前時，一定要按金額升序排序，因此要加上sort_values()升序排序，呈現(xiàn)出來的是曲線形態(tài)，便于觀察。#新增一列累計金額，計算付款金額累加的df2=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表2.csv',encoding="ANSI")plt.rcParams['font.sans-serif']=['KaiTi']user_ts=df2.groupby(by='網(wǎng)名')['買家實際支付金額'].sum().sort_values().reset_index()user_ts['累計金額']=user_ts['買家實際支付金額'].cumsum()user_ts.round(2)#新增一列prop，計算貢獻(xiàn)率amount_total=user_ts['累計金額'].max()#相當(dāng)于user_ts['累計貢獻(xiàn)率']=user_ts.apply(lambdax:x['累計金額']/amount_total,axis=1)user_ts['累計貢獻(xiàn)率'].plot()plt.show()分析：可以看出前面65%左右的貢獻(xiàn)率是約由3600名買家創(chuàng)造。后35%的貢獻(xiàn)率完全由400名左右買家創(chuàng)造。雖然與二八定律并不完全相符，但也表明一小部分買家對店鋪銷售業(yè)績做出了比較大的貢獻(xiàn)網(wǎng)名買家實際支付金額累計金額累計貢獻(xiàn)率0冷*珍0.000.000.0000001周小敏0.000.000.0000002周*美0.000.000.0000003wdvbqwajxfhhkr0.000.000.0000004珊**0.000.000.000000...............4096w**12289.421340356.440.8700814097c**12663.961353020.400.8783024098l**20385.661373406.060.8915354099慧媽媽56197.601429603.660.9280154100t**110891.941540495.601.000000二

用戶價值度RFM模型內(nèi)涵解析2.1

RFM模型內(nèi)涵解析RFM模型是客戶價值領(lǐng)域的經(jīng)典模型，是衡量客戶價值和客戶創(chuàng)造利益能力的重要工具和手段。其中RFM的含義如下。1）R（Recency）：客戶最近一次交易時間的間隔。R值越大，表示客戶交易發(fā)生的日期越久，反之則表示客戶交易發(fā)生的日期越近。2）F（Frequency）：值越大，表示客戶交易越頻繁，反之則表示客戶交易不夠活躍。3）M（Monetary）：客戶在最近一段時間內(nèi)交易的金額。M值越大，表示客戶價值越高，反之則表示客戶價值越低。

2.2

RFM模型客戶價值分類

表1RFM客戶分類價值表R F M 客戶類型 運(yùn)營策略高 高 高 高價值客戶 優(yōu)質(zhì)服務(wù)，重點保持高 低 高 重點發(fā)展客戶 著重提升消費(fèi)頻次。爭取發(fā)展成為重要價值客戶低 高 高 重點保持客戶 加強(qiáng)客戶聯(lián)系，提醒客戶消費(fèi)低 低 高 重點挽留客戶 加大促銷力度高 高 低 通常價值客戶 提升客單價高 低 低 通常發(fā)展客戶 提升新用戶消費(fèi)頻次低 高 低 通常保持客戶 提醒消費(fèi)低 低 低 潛在客戶 流夫風(fēng)險大，使用促銷、優(yōu)惠方式召回三用戶價值度RFM模型構(gòu)建及評析3.1用戶價值度RFM模型構(gòu)建RFM某型構(gòu)建后，后續(xù)就能夠?qū)Σ灰粯拥目蛻羧后w，有針對性地采起相應(yīng)運(yùn)營策略進(jìn)行推廣、管理，進(jìn)而提高客戶價值和銷售業(yè)績。importpandasaspdimportnumpyasnpfromdatetimeimportdateimportdatetimefromtimeimportgmtime,strftimefromdateutilimportparser#假設(shè)我們有一個名為'customer_data.csv'的數(shù)據(jù)文件，其中包含以下列：'customer_id','purchase_date','amount'df2=pd.read_csv(r'f:\數(shù)據(jù)分析技術(shù)教材\數(shù)據(jù)集\2023版數(shù)據(jù)分析技術(shù)表2.csv',encoding="ANSI")df2['訂單創(chuàng)建時間']=pd.to_datetime(df2.訂單創(chuàng)建時間)df2['訂單創(chuàng)建日期']=df2['訂單創(chuàng)建時間'].dt.date#從日期距離中獲取天數(shù)df2['Jdate']=pd.to_datetime(datetime.datetime.now().date())-df2['訂單創(chuàng)建時間']df2['JDay']=df2['Jdate'].dt.daysprint(df2['JDay'])#統(tǒng)計每一個客戶距離指定日期有多久沒有消費(fèi)了，即找出最小的最近消費(fèi)距離grouped_df_d=df2.groupby(by=['網(wǎng)名'],as_index=False)['JDay'].agg('min')ram_data1=grouped_df_d.reset_index().rename(columns={'value1':'R'})print(ram_data1)#計算消費(fèi)頻率grouped_df_f=df2.groupby('網(wǎng)名',as_index=False)['子訂單編號'].agg('count')ram_data2=grouped_df_f.reset_index().rename(columns={'value2':'F'})print(ram_data2)#計算消費(fèi)金額grouped_df_M=df2.groupby('網(wǎng)名')['買家實際支付金額'].agg('sum')ram_data3=grouped_df_M.reset_index().rename(columns={'value3':'M'})print(ram_data3)ram_data=ram_data1.merge(ram_data2).merge(ram_data3)print(ram_data)#構(gòu)建新Dateframe,并更改列名#rfm_data.columns=['網(wǎng)名','R','F','M']#L表示忠誠度#R、F、M值構(gòu)造ram_data['JDay']=ram_data['JDay']-ram_data['JDay'].mean