文章目录

  • 数据分析——Adventure项目分析
    • 内容摘要
    • 一、项目简介
    • 二、分析思路
    • 三、分析过程
      • 0、数据准备及清洗
        • （1) 导入模块
        • （2) 简单了解数据
        • （3) 数据处理
      • 1、整体销售表现
        • （1) 自行车整体销售量表现
        • （2) 自行车整体销售金额表现
        • （3) 可视化展示
      • 2、地域销售表现
        • （1) 2019年11月地区销售表现
        • （2) 2019年11月TOP10销量城市环比
        • （3) 可视化展示
      • 3、产品销售表现
        • （1) 细分市场销量表现
        • （2) 公路自行车销量表现
        • （3) 山地自行车销量表现
        • （4) 旅游自行车销量表现
        • （5) 自行车子类数据整合
        • （6) 2019年11月自行车产品环比情况
        • （7) 计算2019年1月-11月自行车产品累计销量
        • （8) 关联自行车销量、环比和累计销量
        • （9) 可视化展示
      • 4、用户行为分析
        • （1) 数据整理
        • （2) 用户年龄分析
        • （3) 用户性别分析
        • （4) 可视化展示
      • 5、热销产品分析
        • （1) 2019年11月销量TOP10品牌
        • （2) 2019年11月增速TOP10品牌
        • （3) 可视化展示
    • 四、总结

数据分析——Adventure项目分析

内容摘要

一、项目简介

  • 公司业务简介
    Adventure Works Cycle是国内一家制造公司，该公司生产和销售金属和复合材料自行车在全国各个市场。销售方式主要有两种，前期主要是分销商模式，但是2018年公司实现财政收入目标后，2019就开始通过公司自有网站获取线上商户进一步扩大市场。
  • 分析背景
    2019年12月业务组组长需要向领导汇报2019年11月自行车销售情况，为精细化运营提供数据支持，能精准的定位目标客户群体。
  • 分析目的
    1、如何制定销售策略，调整产品结构，才能保持高速增长，获取更多的收益，占领更多市场份额，是公司最关心的问题。
    2、报告通过对整个公司的自行车销量持续监测和分析，掌握公司自行车销售状况、走势的变化，为客户制订、调整和检查销售策略，完善产品结构提供依据。
  • 数据源及表内信息
    dw_customer_order 产品销售信息事实表
    ods_customer 每天新增客户信息表
    dim_date_df 日期表
    ods_sales_orders 订单明细表




二、分析思路

  • 分析思路

三、分析过程

0、数据准备及清洗

（1) 导入模块

import pandas as pd
import numpy as np
import pymysql
pymysql.install_as_MySQLdb()
from sqlalchemy import create_engine
  • 创建数据库引擎并读取数据库
engine = "mysql+pymysql://frogdata001:XXXXXXXXX/adventure?charset=gbk"
sql = "select * from dw_customer_order"
gather_customer_order=pd.read_sql_query(sql,con=engine)

（2) 简单了解数据

gather_customer_order.head()


gather_customer_order.info()

（3) 数据处理

可以看出create_date时间的格式不对，将其修改为datetime64的格式，并且为了后续计算方便将其年-月进行提取

#将本字段的格式修改成datetime64的形式
gather_customer_order['create_date'] = gather_customer_order['create_date'].astype('datetime64')
#增加create_year_month月份字段。按月维度分析时使用#使用的是strftime函数，%M代表的是分钟，%m代表的是月份
gather_customer_order['create_year_month'] = gather_customer_order['create_date'].apply(lambda x:x.strftime("%Y-%m"))
#查看数据
gather_customer_order['create_year_month']

  • 筛选数据
    从cplb_zw筛选出自行车的数据用作分析
#筛选产品类别为自行车的数据#需要用准确定位即.loc来索引
#!需要注意的是loc后面需要用中括号，不能用小括号！
gather_customer_order = gather_customer_order.loc[gather_customer_order['cplb_zw']=='自行车']
gather_customer_order.head()

1、整体销售表现

  • 对整体销售表现分析
  • 其时间维度：月份；
  • 表现字段：销售量、销售金额

（1) 自行车整体销售量表现

#利用groupby聚合月份，对order_num、sum_amount求和
overall_sales_performance = gather_customer_order.groupby("create_year_month").agg({"order_num":"sum","sum_amount":"sum"}).sort_values("create_year_month",ascending=False).reset_index()
#按日期降序排序，方便计算环比
overall_sales_performance.head()

  • 利用diff函数求环比。
  • diff函数是前一个数-后一个数，之后再除以前一个数，结果作为环比
#求每月自行车销售订单量环比，观察最近一年数据变化趋势
#环比是本月与上月的对比，例如本期2019-02月销售额与上一期2019-01月销售额做对比
#计算公式是（本月-上月）/上月
#使用diff函数第一行是Nan，因此正好diff只除以其所对应的原始数据即可，但是要注意乘以负号
order_num_diff = list((overall_sales_performance.order_num.diff()/overall_sales_performance.order_num)*(-1))
order_num_diff.pop(0) #删除列表中第一个元素,第一个元素是nan
order_num_diff.append(0) #将0新增到列表末尾
order_num_diff

  • 将计算好的环比拼接在overall_sales_performance 数据集中，暂时先不命名，等后续销售金额环比算完后统一修改
#将环比转化为DataFrame
#pd.DataFrame就可以转换成
#利用pd.concat进行拼接的时候一定要注意：axis是行拼接！
overall_sales_performance = pd.concat([overall_sales_performance,pd.DataFrame(order_num_diff)],axis=1)

（2) 自行车整体销售金额表现

  • 操作过程跟自行车整体销量相同，前期数据集已经准备好，直接对销售金额进行环比计算即可
#求每月自行车销售金额环比
sum_amount_diff = list((overall_sales_performance["sum_amount"].diff()/overall_sales_performance["sum_amount"])*(-1))
sum_amount_diff.pop(0) #删除列表中第一个元素
sum_amount_diff.append(0) #将0新增到列表末尾
sum_amount_diff
#将环比转化为DataFrame
overall_sales_performance = pd.concat([overall_sales_performance,pd.DataFrame(sum_amount_diff)],axis=1)
overall_sales_performance

  • 对销量和销售金额的环比进行重命名
    销量环比：order_num_diff
    销售金额环比：sum_amount_diff
#修改一下列名
overall_sales_performance.columns=['create_year_month','order_num','sum_amount','order_num_diff','sum_amount_diff']
overall_sales_performance

  • 随后将整理好的overall_sales_performance数据存入数据库，为PowerBI绘制提供数据基础
#将数据存入数据库
engine = create_engine("mysql+pymysql://XXXXXXXXXXXXXXXX:3306/XXXXXXX?charset=gbk")
overall_sales_performance.to_sql('pt_overall_sale_performance',con=engine,if_exists="append")

（3) 可视化展示

  • 自行车销量走势情况

  • 根据图可以看出：

    • （1）2019年11月自行车销量最高，为3438辆；
    • （2）2019年11月自行车销量环比增量最高，为0.14；
    • （3）自行车销量在3000辆上下波动，普遍波动程度在10个点以内。

  • 自行车销售金额走势情况

  • 根据图可以看出：

    • （1）2019年11月自行车销售金额最高，为660万；
    • （2）2019年11月自行车销售金额环比增量最高，为0.18；
    • （3）自行车销售金额在600万上下波动，普遍波动程度在10个点以内。

  • 2019年11月自行车的销售程度明显增加，销量和销售金额都有明显大幅度的提高

2、地域销售表现

（1) 2019年11月地区销售表现

  • 针对不同地区的销售情况进行分析
  • 数据清洗及筛选
    • 筛选出2019年10月、11月的销售数据
    • 分析不同地区的11月销售情况
    • 分析不同地区的11月销售环比情况
#筛选2019年10、11月的自行车数据
gather_customer_order_10_11 = gather_customer_order.loc[(gather_customer_order["create_year_month"]=="2019-10")|(gather_customer_order["create_year_month"]=="2019-11")]

  • 数据分组：依旧根据月份进行分组，对销量和销售金额进行求和
#按照区域、月分组,订单量求和，销售金额求和
gather_customer_order_10_11_group= gather_customer_order_10_11.groupby(['chinese_territory','create_year_month']).agg({'order_num':'sum','sum_amount':'sum'}).reset_index()

  • 环比计算：利用pct_change()函数

  • 本次环比计算的难点：需要对不同的地区进行环比计算

  • 计算逻辑：

    • （1）先将不同地区分开
    • （2）遍历不同地区的数据，利用pct_change（）求其环比
    • （3）将环比数据拼接起来，转换成Series格式拼接在原来的数据集上面
#将区域存为列表
region_list= gather_customer_order_10_11_group["chinese_territory"].unique()
#查看具体区域名称
region_list
#array(['东北', '华东', '华中', '华北', '华南', '台港澳', '西北', '西南'], dtype=object)

#pct_change()当前元素与先前元素的相差百分比,求不同区域10月11月环比
#先准备好Series和列表
order_x = pd.Series([])
amount_x = pd.Series([])
#遍历不同地区，提取其10、11月的销量、销售金额数据，再进行环比计算
for i in region_list:a=gather_customer_order_10_11_group.loc[gather_customer_order_10_11_group['chinese_territory']==i]['order_num'].pct_change(1)b=gather_customer_order_10_11_group.loc[gather_customer_order_10_11_group['chinese_territory']==i]['sum_amount'].pct_change(1)order_x=order_x.append(a)amount_x = amount_x.append(b)#将计算好的环比数据拼接在数据集后面gather_customer_order_10_11_group['order_diff']=order_x
gather_customer_order_10_11_group['amount_diff']=amount_x
# 需要注意的是，每一组数据的第一行的数据都是NaN，需要将NaN值进行填充
gather_customer_order_10_11_group = gather_customer_order_10_11_group.fillna(0)
#10月11月各个区域自行车销售数量、销售金额环比
gather_customer_order_10_11_group.head()

  • 将数据保存在数据库中
#将数据存入数据库
engine = "mysql+pymysql://XXXXXXXXX/XXXXXXXX?charset=gbk"
gather_custXXXXXXXXomer_order_10_11_group.to_sql('pt_bicy_november_territory',con=engine,if_exists="append")

（2) 2019年11月TOP10销量城市环比

  • 数据清洗与筛选

    • 从上一次操作中的数据集中提取11月的数据
#筛选11月自行车交易数据
gather_customer_order_11 = gather_customer_order_10_11.loc[gather_customer_order_10_11["create_year_month"]=="2019-11"]
#查看数据
gather_customer_order_11.head()

  • 数据分组：根据chinese_city城市分组，对销售量进行求和统计
gather_customer_order_city_11= gather_customer_order_11.groupby("chinese_city").agg({"order_num":"sum"}).reset_index()
gather_customer_order_city_11.head()

  • 数据筛选：挑选出11月销量TOP10的城市名称
#11月自行车销售数量前十城市，导出数据集为gather_customer_order_city_head
gather_customer_order_city_head = gather_customer_order_city_11.sort_values('order_num',ascending=False).head(10)
#查看TOP10城市名称
gather_customer_order_city_head['chinese_city'].values
#array(['北京市', '广州市', '深圳市', '上海市', '郑州市', '天津市', '重庆市', '武汉市', '长沙市','西安市'], dtype=object)

  • 数据再筛选

    • 根据已知的11月销量TOP10的城市名称，从2019年10月、11月的数据集中，提取销量和销售金额数据（利用isin（）函数）
    • 数据再分组：按照TOP10城市的名称进行分组
    • 分析2019年11月销量TOP10城市的环比（利用pct_change（）函数）
#数据再筛选
#利用isin函数从10月11月自行车销售数据中，筛选出2019年11月销售前十城市
gather_customer_order_10_11_head = gather_customer_order_10_11.loc[gather_customer_order_10_11["chinese_city"].isin(gather_customer_order_city_head['chinese_city'].values)]


#数据再分组
#分组计算前十城市，自行车销售数量销售金额
gather_customer_order_city_10_11 = gather_customer_order_10_11_head.groupby(['chinese_city','create_year_month']).agg({'order_num':'sum','sum_amount':'sum'}).reset_index()


#TOP10城市环比计算
#TOP10城市的名称
city_top_list = gather_customer_order_city_10_11['chinese_city'].unique()
#准备Series和列表
order_top_x = pd.Series([])
amount_top_x = pd.Series([])
#遍历TOP10城市，提取其对应的销量、销售金额，利用pct_change（）函数进行环比
for i in city_top_list:#print(i)a= gather_customer_order_city_10_11[gather_customer_order_city_10_11['chinese_city']==i]['order_num'].pct_change(1)b= gather_customer_order_city_10_11[gather_customer_order_city_10_11['chinese_city']==i]['sum_amount'].pct_change(1)order_top_x = order_top_x.append(a)amount_top_x = amount_top_x.append(b)#将环比数据拼接在数据集后面#order_diff销售数量环比，amount_diff销售金额环比
gather_customer_order_city_10_11['order_diff']=order_top_x
gather_customer_order_city_10_11['amount_diff']=amount_top_x
#NaN值替换
gather_customer_order_city_10_11 = gather_customer_order_city_10_11.fillna(0)

（3) 可视化展示

  • 区域销量环比增速图

  • 根据图可以看出：

    • （1）自行车销售共分：华东、华中、西南、华北、华南、西北、东北和台港澳8个区域；
    • （2）2019年10月-11月，华东地区自行车销量最高，分别为：787台和871台；
    • （3）台港澳区域因数据量少其环比呈现较高水平，但在分析时应考虑具体销量，避免出现辛普森悖论；
    • （4）除台港澳区域外，西北地区销量环比增速最快，为0.28。

  • TOP10城市销量环比增速情况

  • 根据图可以看出：

    • （1）2019年11月自行车销量TOP10城市分别为：北京、上海、广州、重庆、深圳、武汉、天津、长沙、郑州和西安；
    • （2）2019年10月-11月，北京市自行车销量最高，分别为：53台和80台；
    • （3）郑州市销量环比增速最大，达到了1.00。

3、产品销售表现

（1) 细分市场销量表现

  • 数据筛选

    • 细分市场是指自行车的类别：公路、山地和旅游
    • 仍以时间（月份）为尺度进行分析，因此需要对时间进行分组
#利用gather_customer_order数据表对时间进行分组
#求每个月自行车累计销售数量
gather_customer_order_group_month = gather_customer_order.groupby('create_year_month').agg({'order_num':'sum'}).reset_index()

  • 数据处理

    • 将每月的总销量（gather_customer_order_group_month）与订单信息（gather_customer_order）进行拼接
    • 计算每一个订单在当月的占比（自行车销量/自行车每月销量占比），为之后按照细分市场聚合做准备
#合并自行车销售信息表+自行车每月累计销售数量表，pd.merge
order_num_proportion = pd.merge(gather_customer_order,gather_customer_order_group_month,how='left',on='create_year_month')


#计算自行车销量/自行车每月销量占比x，及订单占当月的比例
order_num_proportion['order_proportion'] = order_num_proportion['order_num_x']/order_num_proportion['order_num_y']
#重命名sum_month_order：自行车每月销售量
order_num_proportion = order_num_proportion.rename(columns={'order_num_y':'sum_month_order'})


#查看自行车有那些产品子类
gather_customer_order['cpzl_zw'].unique()
#array(['山地自行车', '公路自行车', '旅游自行车'], dtype=object)

#将每月自行车销售信息存入数据库
engine = 'mysql+pymysql://XXXXXXXX/XXXXXXXX?charset=gbk'
order_num_proportion.to_sql('pt_bicycle_product_sales_month_4',con=engine,if_exists='replace')

（2) 公路自行车销量表现

  • 数据筛选及处理

    • 筛选出公路自行车的数据
    • 时间维度：月份；信息维度：不同型号公路自行车
    • 对月份和型号进行分组统计（gather_customer_order_road_month）
#数据筛选，挑选出公路自行车的数据
gather_customer_order_road = gather_customer_order[gather_customer_order['cpzl_zw'] == '公路自行车']


#对日期和不同型号进行分组
#求公路自行车不同型号产品销售数量
gather_customer_order_road_month = gather_customer_order_road.groupby(by = ['create_year_month','product_name']).agg({'order_num':'sum'}).reset_index()


#添加自行车子类标签
gather_customer_order_road_month['cpzl_zw'] = '公路自行车'

  • 数据整合

    • 需要整理对应类型每月的销量情况（gather_customer_order_road_month_sum)
    • 将每月的销量情况与不同类别销量情况进行整合
    • 计算占比情况
#每个月公路自行车累计销售数量
gather_customer_order_road_month_sum = gather_customer_order_road_month.groupby('create_year_month').agg({'order_num':'sum'}).reset_index()


#合并公路自行车gather_customer_order_road_month与每月累计销售数量
#用于计算不同型号产品的占比
gather_customer_order_road_month = pd.merge(gather_customer_order_road_month,gather_customer_order_road_month_sum,how='left',on='create_year_month')

（3) 山地自行车销量表现

  • 数据处理过程与公路自行车相同

  • 主要流程：

    • （1）筛选对应的自行车子类；
    • （2）对日期和型号进行分组，计算订单数量
    • （3）对当前自行车子类按月份进行分组，统计订单数量
    • （4）数据拼接，将两组数据集进行拼接
# 筛选
gather_customer_order_Mountain = gather_customer_order[gather_customer_order['cpzl_zw'] == '山地自行车']
#求山地自行车不同型号产品销售数量
gather_customer_order_Mountain_month = gather_customer_order_Mountain.groupby(['create_year_month','product_name']).agg({'order_num':'sum'}).reset_index()
#添加自行车子类标签
gather_customer_order_Mountain_month['cpzl_zw'] = '山地自行车'


#每个月山地自行车累计销售数量
gather_customer_order_Mountain_month_sum = gather_customer_order_Mountain_month.groupby('create_year_month').agg({'order_num':'sum'}).reset_index()
#gather_customer_order_Mountain_month_sum.head()#合并山地自行车hz_customer_order_Mountain_month与每月累计销售数量
#用于计算不同型号产品的占比
gather_customer_order_Mountain_month = pd.merge(gather_customer_order_Mountain_month,gather_customer_order_Mountain_month_sum,how='left',on='create_year_month')

（4) 旅游自行车销量表现

  • 数据处理过程与公路自行车相同

  • 主要流程：

    • （1）筛选对应的自行车子类；
    • （2）对日期和型号进行分组，计算订单数量
    • （3）对当前自行车子类按月份进行分组，统计订单数量
    • （4）数据拼接，将两组数据集进行拼接
#数据筛选
gather_customer_order_tour = gather_customer_order[gather_customer_order['cpzl_zw'] == '旅游自行车']
#求旅游自行车不同型号产品销售数量
gather_customer_order_tour_month = gather_customer_order_tour.groupby(['create_year_month','product_name']).agg({'order_num':'sum'}).reset_index()
#添加子类标签
gather_customer_order_tour_month['cpzl_zw'] = '旅游自行车'


#每个月旅游自行车销量统计
gather_customer_order_tour_month_sum = gather_customer_order_tour_month.groupby('create_year_month').agg({'order_num':'sum'}).reset_index()
#gather_customer_order_tour_month_sum.head() 查看
gather_customer_order_tour_month = pd.merge(gather_customer_order_tour_month,gather_customer_order_tour_month_sum,how='left',on='create_year_month')

（5) 自行车子类数据整合

  • 将自行车子类数据进行整合，并计算每月每型号自行车占比情况
#将山地自行车、旅游自行车、公路自行车每月销量信息合并
gather_customer_order_month = pd.concat([gather_customer_order_road_month,gather_customer_order_Mountain_month,gather_customer_order_tour_month])#各类自行车，销售量占每月自行车总销售量比率
gather_customer_order_month['order_num_proportio'] = gather_customer_order_month.apply(lambda x:x[2]/x[4],axis=1)


#整理列标签信息
#order_month_product当月产品累计销量
#sum_order_month当月自行车总销量
gather_customer_order_month.rename(columns={'order_num_x':'order_month_product','order_num_y':'sum_order_month'},inplace=True)


#保存数据到数据库
#将数据存入数据库
engine = 'mysql+pymysql://XXXXXXX/XXXXXXX?charset=gbk'
gather_customer_order_month.to_sql('pt_bicycle_product_sales_order_month_4_DOUBLEYOOO',con=engine,if_exists='append')

（6) 2019年11月自行车产品环比情况

  • 数据筛选

    • 筛选出2019年10月和11月的数据，并按照时间进行排序

    • 跟之前求环比一样操作

      • 先获取数据列表
      • 遍历数据，找到销量进行环比计算（pct_change()函数）
      • 拼接到数据集中，去除NaN值
#计算11月环比，先筛选10月11月数据
gather_customer_order_month_10_11 = gather_customer_order_month[gather_customer_order_month.create_year_month.isin(['2019-10','2019-11'])]
#排序。将10月11月自行车销售信息排序
gather_customer_order_month_10_11 = gather_customer_order_month_10_11.sort_values(by = ['product_name','create_year_month'])


#查看具体名称
product_name  = list(gather_customer_order_month_10_11.product_name.drop_duplicates())


#计算自行车销售数量环比
order_top_x = pd.Series([])
for i in product_name:order_top = gather_customer_order_month_10_11[gather_customer_order_month_10_11['product_name']==i]['order_month_product'].pct_change(1)order_top_x = order_top_x.append(order_top)
#拼接
gather_customer_order_month_10_11['order_num_diff'] = order_top_x
#填充NaN值
gather_customer_order_month_10_11['order_num_diff'].fillna(0,inplace=True)
#筛选出11月自行车数据
gather_customer_order_month_11 = gather_customer_order_month_10_11[gather_customer_order_month_10_11['create_year_month'] == '2019-11']

（7) 计算2019年1月-11月自行车产品累计销量

  • 数据筛选
#筛选2019年1月至11月自行车数据，这里使用的是‘~’取对立面
#isin里面不能时str格式
gather_customer_order_month_1_11 = gather_customer_order_month[~gather_customer_order_month.create_year_month.isin(['2019-12','2020-12','2020-11','2020-10','2020-09','2020-08','2020-07','2020-06','2020-05','2020-04','2020-03','2020-02','2020-01'])]
#计算2019年1月至11月自行车累计销量
gather_customer_order_month_1_11_sum = gather_customer_order_month_1_11.groupby(by = 'product_name').order_month_product.sum().reset_index()
#重命名sum_order_1_11：1-11月产品累计销量
gather_customer_order_month_1_11_sum = gather_customer_order_month_1_11_sum.rename(columns = {'order_month_product':'sum_order_1_11'})

（8) 关联自行车销量、环比和累计销量

累计销量我们在gather_customer_order_month_1_11_sum中已计算好，11月自行车环比、及产品销量占比在gather_customer_order_month_11已计算好，这里我们只需将两张表关联起来，用pd.merge()

#按相同字段product_name产品名，合并两张表
gather_customer_order_month_11 = pd.merge(gather_customer_order_month_11,gather_customer_order_month_1_11_sum,how='left',on='product_name')


#存入数据库
engine = 'mysql+pymysql://XXXXXXX/XXXXXX?charset=gbk'
gather_customer_order_month_11.to_sql('pt_bicycle_product_sales_order_month_11_DOUBLEYOOO',con=engine,if_exists='append')

（9) 可视化展示

  • 细分市场销量表现

  • 根据图可以看出：

    • （1）三个自行车类型中销量占比情况为：公路自行车>山地自行车>旅游自行车；
    • （2）公路自行车每月的销量占比均超过50%；
    • （3）三种自行车类型每月销量变化不大；
    • （4）山地自行车11月销量环比最大为1.25

  • 公路自行车各个产品销量表现

  • 根据图可以看出：

    • （1）Road-150 Red每月销量都最高，均在18%以上；
    • （2）Road-750 Black每月销量位列第二，均在17%以上；
    • （3）Road-550-W Yellow每月销量位列第三，均在15%以上；
    • （4）以上三个产品占公路自行车月销量的50%以上；
    • （5）Road-150 Red 1-11月累计销量、11月销量、销量环比最高，分别为3491台、391台和25%；
    • （6）Road-550-W Yellow和Road-650 Red 2019年11月销量出现负增长，其余都为正增长

  • 旅游自行车各个产品销量表现

  • 根据图可以看出：

    • （1）Touring-1000 Blue每月销量都最高，均在27%以上；
    • （2）Touring-1000 Yellow每月销量位列第二，均在24%以上；
    • （3）以上两个产品占公路自行车月销量的51%以上；
    • （4）Touring-1000 Blue 1-11月累计销量、11月销量、销量环比最高，分别为1446台、157台和31%；
    • （5）Touring-3000 Blue和Touring-3000 Yellow 2019年11月销量出现负增长，其余都为正增长

  • 山地自行车各个产品销量表现

  • 根据图可以看出：

    • （1）Mountain-200 Black每月销量都最高，均在36%以上；
    • （2）Mountain-200 Silver每月销量位列第二，均在33%以上；
    • （3）以上两个产品占公路自行车月销量的69%以上；
    • （4）Mountain-200 Black 1-11月累计销量、11月销量、销量环比最高，分别为4120台、434台和38%；
    • （5）Mountain-500 Silver 2019年11月销量出现负增长，其余都为正增长

4、用户行为分析

  • 用户行为分析主要对用户的年龄和性别进行分析

（1) 数据整理

  • 数据筛选

    • 这里我们需要使用订单明细表：ods_sales_orders，ods_customer用户表
#读取数据库客户信息表
engine = create_engine('mysql://XXXXXX/XXXX?charset=gbk')
datafrog=engine
df_CUSTOMER = pd.read_sql_query("select customer_key,birth_date,gender,marital_status from ods_customer where create_date < '2019-12-1'",con = datafrog)#读取数据库销售订单表
engine = create_engine('mysql://XXXX/XXX?charset=gbk')
datafrog=engine
df_sales_orders_11 = pd.read_sql_query("select *  from ods_sales_orders where create_date>='2019-11-1' and   create_date<'2019-12-1'",con = datafrog)


  • 数据合并

    • 销售订单表中仅客户编号，无客户年龄性别等信息，需要将销售订单表和客户信息表合并
#pd.merge 合并
sales_customer_order_11=pd.merge(df_sales_orders_11,df_CUSTOMER,how='left',on='customer_key')
sales_customer_order_11.head()

  • 数据清洗

    • 将用户的birth_date只提取年份生成customer_birth_year保存
#将生日的年份提取出来
customer_birth_year = sales_customer_order_11['birth_date'].str.split('-',2).apply(lambda x :x[0] if type(x) == list else x)
customer_birth_year.name='birth_year'
#数据拼接，将年份拼接在数据集后面
sales_customer_order_11 = pd.concat([sales_customer_order_11,customer_birth_year],axis = 1)

（2) 用户年龄分析

  • 首先计算年龄（2019年-出生年）
#修改出生年为int数据类型
sales_customer_order_11['birth_year'] = sales_customer_order_11['birth_year'].fillna(method='ffill').astype('int')
# 计算用户年龄
sales_customer_order_11['customer_age'] = 2019 - sales_customer_order_11['birth_year']
  • 年龄分组（以5岁一档）
#年龄分层1
label = ['30-34','35-39','40-44','45-49','50-54','55-59','60-64']
number = [i for i in range(30 , 68 ,5)]
#新增'age_level'分层区间列
sales_customer_order_11['age_level'] = pd.cut(sales_customer_order_11['customer_age'],bins=number,labels=label) #right=True 表示右闭，False表示右开

  • 筛选出自行车的数据
#筛选销售订单为自行车的订单信息
df_customer_order_bycle = sales_customer_order_11.loc[sales_customer_order_11['cplb_zw'] == '自行车']


# 计算年龄比率##这个比率的意思是求单独每个用户的占总人数的占比，为下一步聚合提供准备
df_customer_order_bycle['age_level_rate'] = 1/(df_customer_order_bycle['customer_key'].sum())
  • 年龄分层（按年岁分组）
#将年龄分为3个层次
df_customer_order_bycle['age_level2'] = pd.cut(df_customer_order_bycle['customer_age'],bins=[0,30,40,120],right=False,labels=['<=29','30-39','>=40'])

  • 求每个年龄段购买量
# 求每个年龄段购买量
age_level2_count = df_customer_order_bycle.groupby(by = 'age_level2').sales_order_key.count().reset_index()
age_level2_count

  • 将每个年龄段的消费订单与消费者的信息拼接
  • 计算每一次消费的占比情况，为后续的分组整理做准备
#将每个年龄段的消费订单数与消费者信息结合
df_customer_order_bycle = pd.merge(df_customer_order_bycle,age_level2_count,on = 'age_level2').rename(columns = {'sales_order_key_y':'age_level2_count'})
#计算每一次消费的占比情况，后续的groupby做准备
df_customer_order_bycle['age_level2_rate'] = 1/df_customer_order_bycle['age_level2_count']

（3) 用户性别分析

  • 按照性别分组计算，计算不同性别的总人数
gender_count = df_customer_order_bycle.groupby(by = 'gender').cplb_zw.count().reset_index()

  • 将性别分组与消费者情况相结合
  • 计算每个消费者在当前性别中的比率
#将性别分组与消费者情况相结合
df_customer_order_bycle = pd.merge(df_customer_order_bycle,gender_count,on = 'gender').rename(columns = {'cplb_zw_y':'gender_count'})
df_customer_order_bycle['gender_rate'] = 1/df_customer_order_bycle['gender_count']


#df_customer_order_bycle 将11月自行车用户存入数据库
#存入数据库
engine = create_engine('mysql://XXXXXXX/XXXXX?charset=gbk')datafrog=engine
df_customer_order_bycle.to_sql('pt_user_behavior_novembe',con = datafrog,if_exists='append', index=False)

（4) 可视化展示

  • 男女消费者消费占比情况
  • 根据图可以看出：
    • （1）男性消费者贡献主要的消费力，占55.33%；女性消费者消费占比为44.67%
  • 不同年龄消费情况占比
  • 根据图可以看出：
    • （1）消费者的年龄在30岁以上；
    • （2）35-39岁的消费者占较大部分，约占36%；
    • （3）随着年龄的增长消费力逐渐下降
  • 不同年龄具体消费情况占比
  • 根据图可以看出：
    • （1）两个年龄段中购买公路自行车占主要部分，约占52%，山地自行车次之，为33%；
    • （2）两个年龄段相比之下，30-39岁消费者偏爱山地自行车，而40岁及以上的消费者多偏向与旅行自行车；
  • 男女具体消费情况占比
  • 根据图可以看出：
    • （1）不同性别消费者的主要消费对象仍是公路自行车，占比均在50%以上；
    • （2）男性消费者更偏爱公路自行车，女性消费者则偏爱山地自行车

5、热销产品分析

  • 针对产品热度进行分析，主要分析销量热度和环比增速热度，限制范围为各热度的TOP10品牌
  • 数据集：gather_customer_order

（1) 2019年11月销量TOP10品牌

  • 数据筛选

    • 筛选出2019年11月销量数据
#筛选11月数据
gather_customer_order_11 = gather_customer_order.loc[gather_customer_order['create_year_month'] == '2019-11']

  • 数据处理

    • 数据对不同品牌进行分组统计
    • 对销量进行求和并进行降序排列
    • 计算11月品牌环比（利用之前的数据集gather_customer_order_month_10_11，通过isin（）函数进行提取）
#按照销量降序，取TOP10产品
customer_order_11_top10 = gather_customer_order_11.groupby(by = 'product_name').order_num.count().reset_index().\sort_values(by = 'order_num',ascending = False).head(10)


#TOP10销量产品信息
list(customer_order_11_top10['product_name'])
#提取gather_customer_order_month_10_11数据集的四个字段：create_year_month月份，product_name产品名，order_month_product本月销量，cpzl_zw产品类别，
order_num_diff本月产品销量环比
customer_order_month_10_11 = gather_customer_order_month_10_11[['create_year_month','product_name','order_month_product','cpzl_zw','order_num_diff']]#把前十名的产品信息取出
customer_order_month_10_11 = customer_order_month_10_11[customer_order_month_10_11['product_name'].\isin(list(customer_order_11_top10['product_name']))]                                                    #重命名
customer_order_month_10_11['category'] = '本月TOP10销量'

（2) 2019年11月增速TOP10品牌

  • 数据筛选

    • 利用gather_customer_order_month_10_11数据集，将2019年11月的数据筛选出来
    • 按照环比数据进行降序排列
    • 筛选出前10个品牌
customer_order_month_11 = gather_customer_order_month_10_11.loc[gather_customer_order_month_10_11['create_year_month'] == '2019-11'].\sort_values(by = 'order_num_diff',ascending = False).head(10)

  • 数据处理

    • 从gather_customer_order_month_10_11数据集中提取增速TOP10的品牌数据，与上面TOP10销量数据拼接做准备
#找到增速最快的十个产品
customer_order_month_11_top10_seep = gather_customer_order_month_10_11.loc[gather_customer_order_month_10_11['product_name'].\isin(list(customer_order_month_11['product_name']))]
#筛选出主要的四个字段：create_year_month月份，product_name产品名，order_month_product本月销量，cpzl_zw产品类别，
order_num_diff本月产品销量环比
customer_order_month_11_top10_seep = customer_order_month_11_top10_seep[['create_year_month','product_name','order_month_product','cpzl_zw','order_num_diff']]
#重命名
customer_order_month_11_top10_seep['category'] = '本月TOP10增速'

  • 合并数据

    • 将TOP10销量表和TOP10增速表拼接在一起
#axis = 0按照行维度合并，axis = 1按照列维度合并
hot_products_11 = pd.concat([customer_order_month_10_11,customer_order_month_11_top10_seep],axis = 0)


#存入数据库
engine = create_engine('mysql://XXXXXXX/XXXXXX?charset=gbk')
datafrog=engine
hot_products_11.to_sql('pt_hot_products_november',con = datafrog,if_exists='append', index=False)

（3) 可视化展示

  • 2019年11月TOP10销量品牌情况

  • 根据图可以看出：

    • （1）Mountain-200 Black 品牌2019年11月销量最多，为434台；
    • （2）2019年11月销量TOP10的品牌中仅Road-550-W Yellow 销量环比为负数，其余均为正增长；
    • （3）2019年11月销量TOP10的品牌中Touring-1000 Blue 、Touring-1000 Yellow和Road-150 Red 三个品牌增速较高，在25%以上

  • 2019年11月TOP10销量环比品牌情况

  • 根据图可以看出：

    • （1）Mountain-100 Black品牌2019年11月环比最高，为55%；
    • （2）2019年11月销量环比TOP10的品牌中最低为Mountain-200 Black，环比为15%；
    • （3）2019年11月TOP10销量和TOP10增速中，有Touring-1000 Blue、Touring-1000 Yellow、Road-150 Red、Road-350-W Yellow和Road-250 Black同时占有一席之地

四、总结

  • 本项目数据量在10万+条，通过python、mysql与PoweBI的联动使用，熟练操作；
  • 本次分析由浅入深，从多个角度出发对数据进行剖析，较好的利用数据资料；
  • 目前只进行初级的数据分析和可视化展示，后续需要搭建PowerBI看板和自动化更新展示界面，对数据分析的学习还有待深入

数据分析之——Adventure项目分析相关推荐

  1. 数据仓库项目分析_数据分析项目：仓库库存

    数据仓库项目分析 The code for this project can be found at my GitHub. 该项目的代码可以在我的GitHub上找到 . 介绍 (Introductio ...

  2. （Adventure项目）自行车业务数据分析报告（三）

    (Adventure项目)自行车业务数据分析报告(三) 项目背景 Adventure Works Cycles是Adventure Works样本数据库所虚构的公司,这是一家大型跨国制造公司.该公司生 ...

  3. （Adventure项目）自行车业务数据分析报告（五）

    (Adventure项目)自行车业务数据分析报告(五) 项目背景 Adventure Works Cycles是Adventure Works样本数据库所虚构的公司,这是一家大型跨国制造公司.该公司生 ...

  4. （Adventure项目）自行车业务数据分析报告（二）

    (Adventure项目)自行车业务数据分析报告(二) 项目背景 Adventure Works Cycles是Adventure Works样本数据库所虚构的公司,这是一家大型跨国制造公司.该公司生 ...

  5. 数据分析实战（一百零一）：项目分析思路 —— 用户增长实践经验分享

    版权声明:本文为博主原创文章,未经博主允许不得转载. 文章目录 一.项目分析 1.1 用户发展路径 1.1.1 用户生命周期 1.1.2 数据附能方式 1.2 基于用户的目标构建体系:KPI 体系 1 ...

  6. tableau数据分析及可视化——（电影票房以及酒店价格分析）（内含 tableau项目分析的十几种数据源）

    tableau数据分析及可视化 tableau数据源: 链接:https://pan.baidu.com/s/1iOSpbX2QOKYqMbrxVRLC4g?pwd=1234 提取码:1234 Tab ...

  7. PowerBI数据分析-妈妈产前产后用品市场项目分析

    数据源: 妈妈产前产后用品行业数据2016-2017: 孕妇枕搜索数据: 孕妇装-孕产妇用品-营养行业数据2016-2017: 护腰枕品牌数据2016-2017: 护腰枕属性数据2016-2017: ...

  8. python数据项目分析实战技法_《Python数据分析与机器学习实战-唐宇迪》读书笔记第9章--随机森林项目实战——气温预测(1/2)...

    第9章--随机森林项目实战--气温预测(1/2) 第8章已经讲解过随机森林的基本原理,本章将从实战的角度出发,借助Python工具包完成气温预测任务,其中涉及多个模块,主要包含随机森林建模.特征选择. ...

  9. 数据分析实战 205 ：项目分析思路 —— 某在线教育机构经营分析

    版权声明:本文为博主原创文章,未经博主允许不得转载. 文章目录 一.思路分析 1.1 教育行业营收转化模型 1.2 某教育机构利润结构 1.3 问题确认与指标拆解:业务逻辑图 1.3.1 确认毛利额数 ...

最新文章

  1. 基于AFNetworking3.0网络封装
  2. java 队列和rabbitmq_java – 如何在不使消息出列的情况下浏览rabbitmq中的队列
  3. 这是mac 重置mysql 的三种做法
  4. 富文本wangEditor的批量激活
  5. LeetCode 2103. 环和杆（位运算）
  6. LeetCode 1087. 字母切换（回溯）
  7. python表达式352的值为_表达式 3 and 5 的值为
  8. python绘图数字_绘制一个绘图，其中Yaxis文本数据（非数字）和Xaxis数字d
  9. 分享-动态性能表详解
  10. python三天速成_python学习第三天
  11. redis配置认证密码以及远程访问
  12. android q beta3更新功能,Android Q Beta 3更新内容：拥抱5G和可折叠设备
  13. Idea的JShell Console
  14. java get中文乱码怎么解决_java中get请求中文乱码怎么办？
  15. C语言 | 逻辑运算符
  16. java web报表开发_2020主流JAVA WEB报表工具对比
  17. autojs遍历当前页面所有控件_移动端控件（一）-弹窗（Alert/Dialog）
  18. Vue 2.0 开发聊天程序（二）真正的开始
  19. A级学科计算机技术,全国学科评估结果出炉 四川高校这些学科进入全国A档
  20. [4月24日] 苦练基本功，事半功倍！

热门文章

  1. Coddington shape factor
  2. 火星坐标系转百度php,PHP版本实现火星，高德地图和百度地图坐标转换
  3. 【数据分析】分析方法 | 业务知识 | 行业分析
  4. 外卖骑手困在算法，美团困在了利益中
  5. Word中的字体大小（几号－几磅）【转】
  6. 双方API交互：签名及验证-- (AK/SK)认证的实现
  7. 分享四个体验不错的云游戏平台—网易云游戏、腾讯云游戏、菜鸡云游戏、格莱云游戏
  8. android 仿微信 视频播放器,Android仿微信多媒体选择器 - SmartMediaPicker
  9. P4编程环境安装（ubuntu16.04，p4c+bmv2+mininet+PI+tutorial）
  10. 数据分析师的日常工作是什么？