TianMao订单数据分析

import pandas as pd
df = pd.read_csv('D:/data/tmall_order_report.csv')
df.head(50)df.columnsdf.describe()df.info()df.isnull().sum()#缺失值的查看，订单付款时间为空说明没有付款df.duplicated().sum()#重复值查看df.columnsdf.columns = df.columns.str.strip()#去列名的空值
df.columnsdf.shapedf[df.duplicated()].count()#列重复值查看#对收货地址做字符串处理
df.收货地址.unique()#返回列的唯一值df.收货地址=df.收货地址.str.replace('自治区|省|壮族|维吾尔|回族','',regex=True)#regex表示用正则表达式
df.收货地址data1 = df.总金额.sum()
data1data2 = df.退款金额.sum()
data2data3 = df.买家实际支付金额.sum()
data3data4=data3-data2#总收入
data4df[df.订单付款时间.isnull()]#未付款订单df['订单编号'][df.订单付款时间.isnull()].count()result = {}#创建空字典
result['未付款订单数'] = df['订单编号'][df.订单付款时间.isnull()].count()#存入数据
result['已完成订单数']=  df['订单编号'][df.订单付款时间.notnull()].count()
resultresult['总订单数'] = df['订单编号'].count()
result['退款订单数'] = df['订单编号'][df.退款金额>0].count()
result['总订单金额'] = df['总金额'].sum()
result['总退款金额'] = df['退款金额'].sum()
result['总实际收入金额'] = df['买家实际支付金额'].sum()
resultresult1 = {}#创建空字典
result1['未付款订单数'] = df['订单编号'][df.订单付款时间.isnull()].count()#存入数据
result1['已完成订单数']=  df['订单编号'][df.订单付款时间.notnull()].count()
result1['总订单数'] = df['订单编号'].count()
result1['退款订单数'] = df['订单编号'][df.退款金额>0].count()
result1['总订单金额'] = df['总金额'].sum()
result1['总退款金额'] = df['退款金额'].sum()
result1['总实际收入金额'] = df['买家实际支付金额'][df.订单付款时间.notnull()].sum()
result1import numpy as np
table = pd.DataFrame(result1,index = np.arange(1))#把7个变量放入二维表中
table#统计地区订单量，以柱状图显示
import matplotlib.pyplot as pltresult2 = df[df.订单付款时间.notnull()].groupby('收货地址')['订单编号'].size()
#to_dict()直接把Series和DataFrame转成字典,tolist()转换成列表
result21 = result2.to_dict()
#esult21.keys()
result22 = sorted(result21.items(),key = lambda item:item[1]) #排序之后是列表result23 = {}
for i in range(len(result22)):result23[result22[i][0]] = result22[i][1]
result23#排序之后字典result24 = []
for j in result23.keys():result24.append(j)
#result22#把地址转换为列表形式
[list(x) for x in result22]
#plt.rcParams['font.family'] = ['SimHei']#设置中文正常显示
#plt.rcParams['axes.unicode_minus'] = False#设置符号正常显示#fig = plt.figure(figsize=(12,10)) #设置画布大小
#plt.barh(range(1,len(result23)+1),result23.values(),tick_label = list)
#plt.show()plt.rcParams['font.family'] = ['SimHei']#设置中文正常显示
plt.rcParams['axes.unicode_minus'] = False#设置符号正常显示fig = plt.figure(figsize=(12,10)) #设置画布大小
plt.barh(range(1,len(result23)+1),result23.values(),tick_label = list)
plt.show()from pyecharts import options as opts #全局配置项
from pyecharts.charts import Map #导入地图
mapDD = (Map().add('订单量',[list(x) for x in result22],'china').set_global_opts(title_opts=opts.TitleOpts(title='地区订单分布'),visualmap_opts=opts.VisualMapOpts(max_=2000))
)
mapDD.render('html\\mapDD.html')#分析订单走势
df.info()df['订单创建时间'] = pd.to_datetime(df['订单创建时间'])
df['订单付款时间'] = pd.to_datetime(df['订单付款时间'])result3 = df.groupby(df['订单创建时间'].apply(lambda x:x.strftime("%Y-%m-%d")))['订单编号'].size()
result31 = result3.to_dict()
fig = plt.figure(figsize=(30,10)) #设置画布大小
plt.plot(result31.keys(),result31.values())
plt.show分析：从图上来看，2月份上半月受新冠疫情的影响，订单量比较少，随着复工开幕，下半月订单量增长明显df.info()#9
result4=df.groupby(df['订单创建时间'].apply(lambda x:x.strftime("%H")))['订单编号'].size().to_dict()
#list(result4.keys())
[*result4.keys()]from pyecharts import options as opts #全局配置项
from pyecharts.charts import Map,Bar #导入地图barDD = (Bar().add_xaxis(list(result4.keys())).add_yaxis("订单量",list(result4.values())).set_global_opts(title_opts=opts.TitleOpts(title="每小时订单走势"))
)
#barDD.render_notebook()
barDD.render('html\\barDD.html')结论：从每小时订单量走势来看，一天中有3个高峰期（10点、15点、21点），其中21点-22点之间是一天中订单量最多
的时候，这个结果和之前1亿条淘宝用户行为数据分析的是一致的，对于卖家的指导意义就是，为了提高订单量，高峰
期时应该尽量保证客服的回复速度，尤其是晚上21点-22点之间，所以很多做电商的基本都有夜班

TianMao订单数据分析相关推荐

SSAS知识回放之订单数据分析
SSAS知识回放之订单数据分析 1:目标基于已经做好的DW,利用SSAS实现一个多维数据模型的创建,通过浏览可以简单的实现订单数据的分析 2:步骤 2.1:添加数据源如下图所示,创建一个数据仓库层 ...
实战项目：餐厅订单数据分析：订单维度和时间维度
餐厅订单数据分析:订单维度和时间维度 1. 针对不同维度进行数据分析: 针对订单order_id: 什么菜最受欢迎点菜的种类点菜的数量消费金额最大平均消费针对时间日期进行分析: 点菜量比较集 ...
基于Python进行餐饮订单数据分析
Python数据分析----餐饮订单数据分析题目要求 (以图片展示) 前言俗话说的民意食为天,随着科技的发展和人们生活水平的提高.餐饮行业作为我国第三产业中的一个传统服务性行业,始终保持着旺盛的增 ...
冰箱日订单数据分析报告(京东）
数据来源 2020年5月25日京东大家电-家用电器-冰箱订单数据,按10%抽样,约22MB(70k+条数据) 订单数据分析的基本思路宏观分析宏观把握订单的总体特征订单总量:61535 GMV:6 ...
python项目--餐厅订单数据分析
导入包,加载数据数据是网上获取的,数据见链接: 餐厅订单数据分析的数据. 通过分析之后我们要用到以下三个包,分别是numpy.pandas.matplotlib.加载数据我们采用pandas中的re ...
数据分析：餐厅订单数据分析
数据分析:餐厅订单数据分析作者:i阿极作者简介:Python领域新星作者.多项比赛获奖者:博主个人首页
python 京东_Python数据分析-京东订单数据分析实战
本次数据来源于京东,类目为大家电-家用电器-冰箱,抽取2020年5月25日10%数据,数据量为 70k+,在 jupyer notebook 内进行分析. 数据文件: 链接:迅雷云盘:提取码:ezQq ...
Python数据分析实战 —— 天猫订单数据分析
文章目录项目介绍数据介绍导入部分库数据预处理数据格式整理异常值分析数据分析描述性统计周趋势.日趋势分析产品价格分析地区分析转化率分析总结项目介绍本项目将对2020年2月份 ...
python盘点订单_在线超市-Ulabox订单数据分析（python）
摘要本次实践案例利用数据kaggle数据进行分析.链接如下该数据集为西班牙在线杂货店Ulabox订单数据,数据集包括匿名的子集30K订单从2017年开始的所有类型的客户.整个分析分为五个步骤:&q ...
2023年泰迪杯数据挖掘挑战赛B题--产品订单数据分析与需求预测（1.数据处理）
1. 前言本题相对来说比较适合新手,包括针对数据的预处理,数据分析,特征提取以及模型训练等多个步骤,完整的做下来是可以学到很多东西的. 2.问题一思路分析本题要求利用附件中的训练数据进行深入的分析 ...

TianMao订单数据分析

TianMao订单数据分析相关推荐

最新文章

热门文章