数据分析实战项目2:优衣库销售数据分析
目录
- 优衣库销售数据分析
- 1、需求和数据加载
- 2、不同种类产品的销售情况
- 2.1 不同产品的销售情况
- 3、用户的消费方式(线上or线下)
- 4、用户的消费习惯(周间or周末)
- 5、销售额和成本之间的关系
优衣库销售数据分析
1、需求和数据加载
数据:不同城市优衣库门店的销售数据,
需求:
- 不同产品的销售方式,顾客喜欢的购买方式(线上or线下)
- 销售额与成本之间的关系
- 购买时间偏好
import pandas as pd
uniqlo = pd.read_csv('./data/uniqlo.csv')
uniqlo.head()
uniqlo.info()
uniqlo.shape
uniqlo.describe()
看数据查看问题:revenue最小值出现负值
uniqlo[uniqlo.revenue<1] #销售金额小于1的记录
2、不同种类产品的销售情况
2.1 不同产品的销售情况
对列A分组,不同组的列B求和值,并降序排列
date.groupby(‘列A’)[‘列B’].sum().sort_values(ascending=False)
#不同种类的订单数
uniqlo.groupby('product')['order'].sum().sort_values(ascending=False)
#不同种类的销售数
uniqlo.groupby('product')['quant'].sum().sort_values(ascending=False)
做列A和列B联合的不同种类,的列C数量
date.pivot_table(values = ‘列C’,index=‘列A’,columns=‘列B’,aggfunc = ‘sum’,)–输出是多行多列的表
排序:sort_values()默认升序
#不同城市,不同种类的销售量
uniqlo.pivot_table(index='product',columns='city',values='quant',aggfunc='sum').sort_values('上海',ascending=False)#按上海降序排列
商品类别后,再城市,再加了一个维度(线上/线下):
#对城市拆解后,再进一步按线上线下拆解
uniqlo.pivot_table(index='product',columns=['city','channel'],values='quant',aggfunc='sum')
3、用户的消费方式(线上or线下)
1,统计使用不同消费方式的订单数量
uniqlo.groupby('channel')['order'].sum()
结论:总体上,线下比线上多
#进一步按照城市拆解
uniqlo.pivot_table(index='city',columns='channel',values='order',aggfunc='sum').sort_values('线上',ascending=False)
2,同样可以看一下销量(商品数)
uniqlo.pivot_table(index='city',columns='channel',values='quant',aggfunc='sum').sort_values('线上',ascending=False)
4、用户的消费习惯(周间or周末)
#看一下周末,周间的整体情况
uniqlo.wkd_ind.value_counts()
结论:整体上看,周末的销售记录要比周间多
#查看不同城市,周末间的情况
wkd_sales = uniqlo.pivot_table(index='wkd_ind',columns='city',values='quant',aggfunc='sum')
因为周间有5天,周末2天,可以考虑求一下平均
#计算每天的销售额
week_sales.loc['weekday_avg',:] = week_sales.loc['weekday',:]/5
week_sales.loc['weekend_avg',:] = week_sales.loc['weekend',:]/2
week_sales
结论:取平均后,还是周末比较多
5、销售额和成本之间的关系
1,销售额revenue和成本unit_cost之间的关系–计算相关系数corr
uniqlo[['revenue','unit_cost']].corr()
0.14—关系不太大
问题:应该研究单位销售额和单位成本之间的关系
#筛选出销售额大于1的数据
uniqlo2 = uniqlo[uniqlo.revenue >1]
uniqlo2.head()#计算单位商品的销售额
uniqlo2['rev_per_goods'] = uniqlo2['revenue']/uniqlo2['quant']
uniqlo2.head()#再计算相关系数
uniqlo2[['revenue','rev_per_goods']].corr()
0.5了,相关性还行
热力图—sns.heatmap(相关系数的计算)
#对应热力图
sns.heatmap(uniqlo2[['unit_cost','rev_per_goods']].corr())
数据分析实战项目2:优衣库销售数据分析相关推荐
- 在线教育数据分析实战项目案例
数据分析实战项目案例 数据分析概览 数据分析经常遇到的问题 解决思路 常规产品指标 在线教育产品指标 市场效果广告指标 搭建指标系统流程 渠道的分类 针对搜索引擎,信息流广告如何稳定提高ROI 利用M ...
- 数据分析实战项目-蛋壳公寓投诉分析
摘要:由于今年疫情,加速了长租公寓的暴雷,本人所租的蛋壳公寓也频繁传出各种负面新闻,直到10月初合同到期,不敢再续租了,按约退房!押金退还流程先退到APP内,再提现,APP内显示14个工作日到账,截至 ...
- 111个Python数据分析实战项目,代码已跑通,数据可下载
写在前面: 这里整理了111个数据分析的案例,每一个都进行了严格的筛选,筛选标准如下: 1. 有干货:杜绝纯可视化.统计性分析,有一定比例的讲解性文字 2. 可跑通:所有代码均经过测试,(大概率)可以 ...
- Python网络爬虫实战:天猫胸罩销售数据分析
本文实现一个非常有趣的项目,这个项目是关于胸罩销售数据分析的.是网络爬虫和数据分析的综合应用项目.本项目会从天猫抓取胸罩销售数据,并将这些数据保存到SQLite数据库中,然后对数据进行清洗,最后通过S ...
- 分享3个数据分析实战项目(附最新资料包)
"跳槽大厂数分岗位,到底需要准备什么呢?" 之前我简历里带了一个数据分析实战经验,项目不大不小,只是想用来美化下简历.结果没想到,最后这竟然成了我斩获大厂offer的关键之一! 相 ...
- 基于python的房地产数据分析_基于Python的数据分析实战项目
本文中项目资料来源于网易云课堂,代码为纯手工码字滴,请放心食用,不定期更新,欢迎对Python.数据分析以及编程感兴趣的同学留言沟通. 详细介绍了数十个数据分析相关的实战项目,大量使用pandas.n ...
- Python数据分析实战项目-共享单车骑行数据分析
背景介绍 随着我国的经济迅速发展,城市人口急剧增加,随之带来的是一系列的问题,交通拥堵,环境受到破坏,发展公共交通可以完美的解决现在我们面临的这些问题,自行车具有机动灵活.低碳环保的优点,如果自行车可 ...
- Excel数据分析实战之开宗明义: Excel与数据分析实战
大家好,我是爱编程的喵喵.双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中.从事机器学习以及相关的前后端开发工作.曾在阿里云.科大讯飞.CCF等比赛获得多次Top名次.喜 ...
- 【每周一本书】之《游戏数据分析实战》:盛大游戏数据分析专家亲历16年的实战经验分享
[数据猿导读]<游戏数据分析实战>贯穿整个游戏生命周期,提供了丰富的数据分析案例,从预热到封测,再到公测, 均为作者在实际工作中经历的真实案例.案例分析包含数据来源.分析方法.分析过程.分 ...
最新文章
- jdk自带的反编译在那个包下_求教JDK中的反编译命令
- 面向对象--第三部分
- Redis 学习笔记-NoSQL数据库 常用五大数据类型 Redis配置文件介绍 Redis的发布和订阅 Redis_事务_锁机制_秒杀 Redis应用问题解决 分布式锁
- 关于选择排序的优化——同时找出最小值与最大值
- 常见的注册界面实现的效果
- 安卓中的布局属性详解
- 每30s监控磁盘根分区空间大小
- mysql 执行顺序_MySQL 基础知识掌握
- 信号峰拟合的MATLAB程序,包括高斯拟合,多高斯拟合等多种类型
- LimeSDR官方系列教程(三):一个实际测试例子
- 医院HIS预约系统源码丨同城排队预约下单微信小程序公众号 his源码
- jQuery fadeIn淡入的使用
- Servlet与表单、数据库综合项目实战【学生信息管理】
- An operation on a socket could not be performed because the system lacked sufficient buffer space or
- Java 中的 getResource 方法
- 数学建模与数据分析中的时间序列分析
- groupby函数分组统计
- 办理护照(学生集体户口)~备用
- (二)开集识别学习 open-set recognition(OSR)
- 爬虫神级解析工具之XPath:用法详解及实战
热门文章
- thinkpad x250装黑苹果教程_ThinkPad E450c 傻瓜式黑苹果一键安装教程
- nltk中文分句_learn_nltk/2. NLTK笔记-分句与分词.md at master · ourren/learn_nltk · GitHub...
- 互动广告助您抢量成功
- kinect fusion 3D重建基本算法
- 某电商App 返回数据加密解密分析(四)
- 【艾琪出品】《数据库课程设计》【参考】
- 公牛和母牛(猜数字游戏)
- 【理想流】程序员的性格和命运
- 51 Best DevOps Tools for #DevOps Engineers
- 【Spring Cloud 基础设施搭建系列】Spring Cloud Demo项目 将微服务运行在Docker上