数据分析实战项目2：优衣库销售数据分析

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 ...