import pandas as pd

#读取文件

data= pd.read_csv('./dataset.csv')

########################### 查看数据概览 ###########################

data.head()

# data.info()

# data.shape

# #非空统计

# data.count()

# data.isnull().sum()

# # 拓展,获取含有空值的行

# data[data.isnull().T.any()]

########################### 查看数据概览 ###########################

####################################### 清洗数据 #######################################

# 将其转化成时间(ShipDate，OrderDate均为object，需要先转化成时间)

data['ShipDate'] = pd.to_datetime(data['ShipDate'])

data['OrderDate'] = pd.to_datetime(data['OrderDate'])

#data.info()

#找出发货时间早于下单日期的记录

data[data['ShipDate']

#删去发货时间早于下单日期的记录，且在原数据上进行修改

data.drop(index=data[data['ShipDate']

#data

#查看是否有销售额小于0的记录

data[data.Sales<0]

#RowID不重复的个数 (经过上面的数据处理后 data.shape#(51097, 24)，不重复的为51094)

data.RowID.unique().size

#取出重复的记录

data[data.RowID.duplicated()]

#删去RowID重复的记录，且在原数据上进行修改

data.drop(index=data[data.RowID.duplicated()].index, inplace=True)

#data.info()

#1.查看ShipMode空值

# data[data.ShipMode.isnull()]

# data.ShipMode

#2.对空值进行修补

#从选择的某个轴 返回这个众数, 如果缺失就是用NaN填充, 然后 轴上可能会有多个众数,所以这个函数返回的类型是一个dateframe

# data.ShipMode.mode()[0]

#进行空值填充

data['ShipMode'].fillna(value=data.ShipMode.mode()[0], inplace=True)

data.info()

####################################### 清洗数据 #######################################

#分别取出订单日期的年、月、季

data['Order-year'] = data ['OrderDate'].dt.year

data ['Order-month'] = data ['OrderDate'].dt.month

data ['quarter'] = data ['OrderDate'].dt.to_period('Q')

# result = data [['OrderDate','Order-year','Order-month', 'quarter']].head()

# print(result)

sales_year = data.groupby(by='Order-year')['Sales'].sum()

print(sales_year)

# (本年的销售额-上年的销售额)/ 上年的销售额 -> 本年的销售额/上年的销售额 -1

sales_rate_12 = sales_year[2012] / sales_year[2011] - 1

sales_rate_13 = sales_year[2013] / sales_year[2012] - 1

sales_rate_14 = sales_year[2014] / sales_year[2013] - 1

print(sales_rate_12,sales_rate_13,sales_rate_14)

sales_rate_12_label = "%.2f%%" % (sales_rate_12 * 100)

sales_rate_13_label = "%.2f%%" % (sales_rate_13 * 100)

sales_rate_14_label = "%.2f%%" % (sales_rate_14 * 100)

print(sales_rate_12_label,sales_rate_13_label,sales_rate_14_label)

# sales_rate = pd.DataFrame(

# {'sales_all':sales_year,

# 'sales_rate':[0,sales_rate_12,sales_rate_13,sales_rate_14],

# 'sales_rate_label':['0.00%',sales_rate_12_label,sales_rate_13_label,sales_rate_14_label]

# })

# print(sales_rate)

import matplotlib.pyplot as plt

import matplotlib as mpl

# 设置字体

mpl.rcParams['font.sans-serif'] = ['SimHei']

# 设置风格

plt.style.use('ggplot')

sales_rate = pd.DataFrame(

{'sales_all':sales_year,

'sales_rate':[0,sales_rate_12,sales_rate_13,sales_rate_14],

'sales_rate_label':['0.00%',sales_rate_12_label,sales_rate_13_label,sales_rate_14_label]

})

y1 = sales_rate['sales_all']

y2 = sales_rate['sales_rate']

x = [str(value) for value in sales_rate.index.tolist()]

# 新建figure对象

fig=plt.figure()

# 新建子图1

ax1=fig.add_subplot(1,1,1)

# ax2与ax1共享X轴

ax2 = ax1.twinx()

ax1.bar(x,y1,color = 'blue')

ax2.plot(x,y2,marker='*',color = 'r')

ax1.set_xlabel('年份')

ax1.set_ylabel('销售额')

ax2.set_ylabel('增长率')

ax1.set_title('销售额与增长率')

plt.show()

#2011-2014年之间各个区域的总销售额占比

sales_area = data.groupby(by='Market')['Sales'].sum()

sales_area.plot(kind='pie')

sales_area.plot(kind='pie',autopct="%1.1f%%",title='2011年-2014年的总销售额占比')

# 各地区每一年的销售额(不重新设置索引)

sales_area = data.groupby(by=['Market','Order-year'],as_index=False)['Sales'].sum()

sales_area

# 将分组后的多层索引设置成列数据(如果没有as_index=False，可以使用下面的方法再还原索引)

# reset_index可以还原索引，重新变为默认的整型索引

# sales_area = sales_area.reset_index(level=[0,1])

# sales_area

# # 使用数据透视表重新整理数据

sales_area = pd.pivot_table(sales_area,

index='Market',

columns='Order-year',

values='Sales')

sales_area

# # 绘制图形

sales_area.plot(kind = 'bar',title = '2011年-2014年不同地区销售额对比')

############################# RFM #######################

#取出订单日期为2014年的数据

data_14 = data [data ['Order-year']==2014]

#取出三列

data_14 = data_14[['CustomerID','OrderDate','Sales']]

#重新复制给customdf

customdf = data_14.copy()

#customdf

customdf.set_index('CustomerID',drop=True,inplace=True)

#增加一个辅助列，每一条订单都计数为1

customdf['orders'] = 1

#customdf

#透视图

rfmdf = customdf.pivot_table(index=['CustomerID'],

values=['OrderDate','orders','Sales'],

aggfunc={'OrderDate':'max',

'orders':'sum',

'Sales':'sum'})

rfmdf

rfmdf['R'] = (rfmdf.OrderDate.max()-rfmdf.OrderDate).dt.days

#rfmdf

rfmdf.rename(columns={'Sales':'M','orders':'F'},inplace=True)

#rfmdf

def show(df):

return df-df.mean()

result1= rfmdf[['R','F','M']].apply(lambda x: x-x.mean())

#result1

def rfm_func(x):

# -25.07.01969.12304

# 0 1 1

level = x.apply(lambda x: "1" if x >= 0 else '0')

# 0 1 1 -> 011

label = level.R + level.F + level.M

d = {

'011':'重要价值客户',

'111':'重要唤回客户',

'001':'重要深耕客户',

'101':'重要挽留客户',

'010':'潜力客户',

'110':'一般维持客户',

'000':'新客户',

'100':'流失客户'

}

result = d[label]

return result

result1= rfmdf[['R','F','M']].apply(lambda x:x-x.mean())

result2 = result1.apply(rfm_func,axis=1)

result2

rfmdf['lables'] = result2

rfmdf

############################# RFM #######################

标签：数据分析,14,python,sales,label,rate,year,电商,data

来源： https://blog.csdn.net/weixin_41797985/article/details/112247098