基于Python的某电商平台交易数据分析
基于Python的某电商平台2016年交易数据分析
分析框架：
1.数据解读
1.1导入数据
1.2数据读取
2.数据清洗
3.交易数据特征分析
3.1 商品维度
3.2 用户维度
3.3 城市维度
3.4 价格维度
3.5 渠道维度
3.6 时间维度
1.数据解读
1.1导入数据
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df=pd.read_csv(r'D:\order_info_2016.csv',index_col='id')df['payMoney']=df['payMoney']/100
df['price']=df['price']/100
df.info()
Int64Index: 104557 entries, 47510 to 10889
Data columns (total 10 columns):# Column Non-Null Count Dtype
--- ------ -------------- ----- 0 orderId 104557 non-null int64 1 userId 104557 non-null int64 2 productId 104557 non-null int64 3 cityId 104557 non-null int64 4 price 104557 non-null float645 payMoney 104557 non-null float646 channelId 104549 non-null object 7 deviceType 104557 non-null int64 8 createTime 104557 non-null object 9 payTime 104557 non-null object
dtypes: float64(2), int64(5), object(3)
memory usage: 8.8+ MB
1.2 数据解读
这是一组以订单ID为唯一数据标签，诠释每张订单的产品/用户/渠道/成交价和交易时间的二维关系表。此数据集共包含104557行，包含以下10项字段：
Data columns (total 10 columns):
Column Non-Null Count Dtype 含义 注释
0 orderId 104557 non-null int64 订单ID 九位数字组成
1 userId 104557 non-null int64 用户ID 六位数字组成
2 productId 104557 non-null int64 产品ID 0-1000的数字
3 cityId 104557 non-null int64 城市的ID 5-6位数字组成
4 price 104557 non-null int64 标价 非0数值
5 payMoney 104557 non-null int64 成交价 数值（亦可以<0）
6 channelId 104549 non-null object 渠道ID 由英文字母和数字构成
7 deviceType 104557 non-null int64 设备类型 1-6代表六种不同的设备
8 createTime 104557 non-null object 订单创建时间 2015-2016的时间
9 payTime 104557 non-null object 订单支付时间 2015-2016的时间 不可以早于订单创建时间
2.数据清洗
#orderid预处理
# df['orderId'].value_counts(dropna=False)
df['orderId'].unique().size
#说明有27条重复的,暂不处理
104530
#userid预处理,可以重复 但必须是数值
print(df['userId'].describe())
print(df['userId'].dtype)
#userid不需要处理
count 1.045570e+05
mean 3.270527e+06
std 4.138208e+07
min 2.930600e+04
25% 2.179538e+06
50% 2.705995e+06
75% 3.271237e+06
max 3.072939e+09
Name: userId, dtype: float64
int64
#productId预处理,是否有空值，可以重复 但必须是数值,0-1000之间均可，为0亦不作处理
print(df['productId'].describe())
count 104557.000000
mean 504.566275
std 288.130647
min 0.000000
25% 254.000000
50% 507.000000
75% 758.000000
max 1000.000000
Name: productId, dtype: float64
#cityId预处理,是否有空值，可以重复 但必须是数值
df['cityId'].describe()
count 104557.000000
mean 154410.947225
std 72197.163762
min 30000.000000
25% 100011.000000
50% 150001.000000
75% 220002.000000
max 380001.000000
Name: cityId, dtype: float64
#price预处理,是否有空值，是否有负值
df['price'].describe()
count 104557.000000
mean 916.734987
std 915.883592
min 6.000000
25% 379.000000
50% 592.000000
75% 1080.000000
max 22956.000000
Name: price, dtype: float64
#payMoney预处理,是否有空值，是否有负值
print(df['payMoney'].describe())
print(df[df['payMoney']<0].index)#负值可能代表退货，这里只有六行，无法用于对退货商品进行分析
df.drop(index=df[df['payMoney']<0].index,inplace=True)#样本量足够直接删除这六行以避免对分析造成影响
count 104557.000000
mean 868.668948
std 907.202848
min -10.000000
25% 336.000000
50% 550.000000
75% 1040.000000
max 22942.000000
Name: payMoney, dtype: float64
Int64Index([66897, 87878, 81494, 72556, 25344, 55044], dtype='int64', name='id')
#channelID预处理,是否有空值
print(df[df['channelId'].isnull()])#有8行数据是channelId为空的
df.drop(index=df[df['channelId'].isnull()].index,inplace=True)#把channelId为空的记录删除
orderId userId productId cityId price payMoney channelId \
id
19086 284008366 3309847 698 240001 2164.0 2040.0 NaN
38175 287706890 2799815 823 70001 760.0 749.0 NaN
100952 283627429 4156620 269 280001 484.0 410.0 NaN
48073 248057459 3970570 142 130001 474.0 400.0 NaN
100954 352853915 2229389 786 240001 474.0 440.0 NaN
75949 266847859 3761925 649 120006 257.0 257.0 NaN
100955 379473081 4531810 18 180009 146.0 50.0 NaN
100953 346836140 3751526 738 100013 105.0 80.0 NaN deviceType createTime payTime
id
19086 2 2016/3/8 22:36 2016/3/8 22:36
38175 3 2016/6/10 22:30 2016/6/10 22:30
100952 2 2016/12/13 13:24 2016/12/13 14:47
48073 2 2016/3/30 12:59 2016/3/30 12:59
100954 2 2016/12/13 16:54 2016/12/13 16:55
75949 2 2016/8/19 8:46 2016/8/19 8:46
100955 3 2016/12/13 20:18 2016/12/13 20:18
100953 1 2016/12/13 13:47 2016/12/13 13:47
#deviceType预处理，从1-6
print(df['deviceType'].describe())
df['deviceType'].value_counts()
# df.info()
count 104543.000000
mean 2.385325
std 0.648467
min 1.000000
25% 2.000000
50% 2.000000
75% 3.000000
max 6.000000
Name: deviceType, dtype: float642 52440
3 42944
1 7052
4 2017
6 87
5 3
Name: deviceType, dtype: int64
#createTime payTime预处理
print(df['createTime'].dtype)#查看格式
df['createTime']=pd.to_datetime(df['createTime'])#createTime/payTime都转换成时间格式
df['payTime']=pd.to_datetime(df['payTime'])object
#时间早于2016年的删除
import datetime
startime1=datetime.datetime(2016,1,1)
endtime1=datetime.datetime(2016,12,31,23,59,59)
# startime2=datetime.datetime('2016-1-1')
# endtime2=pd.to_datetime('2016-12-31')
df[df['createTime']<startime1]
df.drop(index=df[df['createTime']<startime1].index,inplace=True)#把时间早于2016年的删除#支付时间早于创建时间，删除
df[df['payTime']<df['createTime']]
df.drop(index=df[df['payTime']<df['createTime']].index,inplace=True)df.info()
Int64Index: 104533 entries, 47510 to 10889
Data columns (total 10 columns):# Column Non-Null Count Dtype
--- ------ -------------- ----- 0 orderId 104533 non-null int64 1 userId 104533 non-null int64 2 productId 104533 non-null int64 3 cityId 104533 non-null int64 4 price 104533 non-null float64 5 payMoney 104533 non-null float64 6 channelId 104533 non-null object 7 deviceType 104533 non-null int64 8 createTime 104533 non-null datetime64[ns]9 payTime 104533 non-null datetime64[ns]
dtypes: datetime64[ns](2), float64(2), int64(5), object(1)
memory usage: 8.8+ MB
#还剩下orderId重复的27行，因为样本量足够，删除重复的
df['orderId'].unique().size
df.drop(index=df[df['orderId'].duplicated()本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！