Pandas数据分析⑥——数据分析实例（货品送达率与合格率/返修率/拒收率）

Pandas系列目录如下：
Pandas数据分析①——数据读取（CSV/TXT/JSON)
Pandas数据分析②——数据清洗（重复值/缺失值/异常值）
Pandas数据分析③——数据规整1（索引和列名调整/数据内容调整/排序）
Pandas数据分析④——数据规整2（数据拼接/透视)
Pandas数据分析⑤——数据分组与函数使用（Groupby/Agg/Apply/mean/sum/count)
Pandas数据分析⑦——数据分析实例2（泰坦尼克号生存率分析）

数据是某企业销售的6种商品的送货及用户反馈数据，主要想要了解：
1、各月份、各区域、各货品的送货情况，哪一块是是急需要改进的
2、各货品在不同区域的反馈数据，看下每个商品的最佳市场和最差市场
3、各货品在不同区域的销售情况，看下哪块市场应该加强，哪块市场需要减少投资
4、分析下商品的送达情况与反馈情况是否有相关性？
详细分析如下（想要数据集的可以在评论区戳我喔~）

一、数据清洗

① 重复值、缺失值、格式调整

data = pd.read_csv('data.csv',encoding='gbk',header=0)
print(data.info())

通过info()可以查看数据的轮廓，包括有10列，每1列的名字，数据量，格式等，从中可以明显看出：
①订单号，货品交货情况，数量这3列是有缺失值，但最多缺失4行，数据量较小，直接删除不会影响整体分析
②订单行这1列对分析无关紧要，可以删除
③销售金额格式不对，要改成float

# 删除重复值，这个虽然没有看出来，但是必须要在其它处理前处理掉
print(data.duplicated().value_counts())
data.drop_duplicates(keep='first',inplace=True)
# 删除缺失值
data.dropna(how='any',inplace=True)
# 去掉“订单行”列
data.drop(columns=['订单行'],inplace=True,axis=1)
data = data.reset_index(drop=True)
print(data.head())

 # 修改销售金额格式
print(data.销售金额.head()) # 数据单位不一致，且数据中有逗号隔开，不适合分析

    def data_deal(number):
        if number.find('万元')!=-1:
            data = float(number[:number.find('万元')].replace(',',''))*10000
        else:
            data = number.replace('元','')
            data = float(data.replace(',',''))
        return data
  data['销售金额'] = data['销售金额'].map(data_deal)

② 异常值处理

print(data.describe())

通过describe()可以对连续变量进行统计描述分析，从结果可以看出
①销售金额存在等于0的，属于异常，要删除
②数量和销售金额的标准差都在均值的8倍以上，，结合最大值和75%分位数可知，存在部分较大的值导致数据左偏非常严重，可以通过describe(percentiles)参数再细致地看下较大值的分布情况

data = data[data['销售金额'] != 0 ]
print(data.describe(percentiles=np.linspace(0.98,0.9999,15)))

从98%以上分位数可看出，数量是不断增加，销售额也随数量不断增加，在电商行业，确实存在这样的帕累托效应，20%的大户可能会贡献80%的份额，因此这部分不算异常数据，在进行与数量和金额无关的分析时可以保留，有关时可以剔除掉不看，至此数据清洗完毕

二、数据规整

由于后续会有关于不同月份的分析，因此要增加一项辅助列：月份

# 增加辅助列：
data['月份'] = data['销售时间'].apply(lambda x: int(x[x.find('/',0)+1: x.find('/',5)]))
print(data.head())

三、数据分析

① 各月份、各区域、各货品的送货情况，哪一块是是急需要改进的

# 月份
data['货品交货状况'] = data['货品交货状况'].str.strip()
data1 = data.groupby(['月份','货品交货状况']).size().unstack()
print(data1)
data1['按时交货率'] = data1['按时交货']/data1.sum(axis=1)
print(data1.sort_index())

从按时交货率看，16年Q4普通要低于Q3，猜测可能是气候原因

# 销售区域
data1 = data.groupby(['销售区域','货品交货状况']).size().unstack()
print(data1)
data1['按时交货率'] = data1['按时交货']/data1.sum(axis=1)
print(data1.sort_values('按时交货率',ascending=False))

海外送货相对麻烦，但是按时交货率却高于国内，从国内看，西北存在最突出的送货延迟问题，急需解决

# 货品
data1 = data.groupby(['货品','货品交货状况']).size().unstack()
print(data1)
data1['按时交货率'] = data1['按时交货']/data1.sum(axis=1)
print(data1.sort_values('按时交货率',ascending=False))

货品4晚交货的情况最为严重，其余还相对较好

# 货品和销售区域结合
data1 = data.groupby(['货品','销售区域','货品交货状况']).size().unstack()
print(data1)
data1['按时交货率'] = data1['按时交货']/data1.sum(axis=1)
print(data1.sort_values('按时交货率',ascending=False))

结合销售区域和货品一起看，销售区域送货最差的为西北，主要送的货品有货品1和货品4，主要是货品4的送货较晚所致；货品送货最差的是货品2，主要送往华东和马来西亚，主要是马来西亚的送货较晚所致；因此，要重点解决货品4送往西北、货品2送往马来西亚的问题

② 各货品在不同月份、不同区域的销售情况，看下哪块市场应该加强，哪块市场需要减少投资

# 不同月份
data1 = data.groupby(['月份','货品'])['数量'].sum().unstack()
print(data1)
# 解决不能显示中文的问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.serif'] = ['SimHei']
data1.plot()
plt.show()

货品2在10月和12月销售量暴增，其余货品销售量都趋于稳定，后面会看下货品2是否开发了新市场

# 不同区域
data1 = data.groupby(['销售区域','货品'])['数量'].sum().unstack()
print(data1)

从销售区域看，每种货品都是集中在1到3个区域销售，货品1是销售区域最多的，达到3个，货品2次之，2个，其余货品都是1个区域；

# 不同月份和区域
data1 = data.groupby(['月份','销售区域','货品'])['数量'].sum().unstack()
print(data1['货品2'])

重点看了下销售数量有较大变动的货品2， 发现其在10月和12月的销售增长并非是开拓了新市场，而是在原有的华东地区增加了销量，猜测可能是对货品2在华东地区加大了营销推广所致。同时也证明货品2在华东地区还有较大的市场空间，适合加大投入

③各货品在不同区域的反馈数据，看下每个商品的最佳市场和最差市场

data['货品用户反馈'] = data['货品用户反馈'].str.strip()
data1 = data.groupby(['货品','销售区域'])['货品用户反馈'].value_counts().unstack()
data1['拒货率'] = data1['拒货']/data1.sum(axis=1)
data1['返修率'] = data1['返修']/data1.sum(axis=1)
data1['合格率'] = data1['质量合格']/data1.sum(axis=1)
print(data1.sort_values(['合格率','返修率', '拒货率'],ascending=False))

货品3，5，6的合格率均较高，货品1，2，4较差。
<>货品4在西北的拒收率是最高的，结合上述对货品按时收获率的分析可知，货品4送往西北的按时送货率倒数第2，说明主要是货物延误导致较高的拒收率，鉴于货品2目前仅在西北销售，建议找到延误的核心原因，予以改进；
<>货品2在马来西亚返修率是最高的，结合按时收货率看，货品2在马来西亚的延误也是比较严重的，因此说明也是延误导致的返修率；但基于货品2主要的销售地区是华东且在10月和12月有较高的涨幅，可以考虑增大华东的投资，减少马来西亚的投入。

④分析下商品的送达情况与反馈情况是否有相关性？

data1 = data.groupby(['货品','货品交货状况']).size().unstack()
data1['按时交货率'] = data1['按时交货']/data1.sum(axis=1)
print(data1)

data['货品用户反馈'] = data['货品用户反馈'].str.strip()
data2 = data.groupby(['货品'])['货品用户反馈'].value_counts().unstack()
data2['拒货率'] = data2['拒货']/data2.sum(axis=1)
data2['返修率'] = data2['返修']/data2.sum(axis=1)
data2['合格率'] = data2['质量合格']/data2.sum(axis=1)
print(data2)

# 将两个表合并
data = pd.merge(data1,data2,on='货品',how='inner')
print(data)
plt.figure()

# 用散点图观察相关性
plt.scatter(data['按时交货率'],data['合格率'])
plt.scatter(data['按时交货率'],data['返修率'])
plt.scatter(data['按时交货率'],data['拒货率'])
plt.legend(loc='center left')
plt.show()

从图上可看出，按时交货率与合格率基本成正相关关系，而返修率和拒货率与按时到货没有太明显的关系，除非按时到货率特别特别低时，才会导致返修率较高；因此保证及时的到货率是最重要的，而对于返修率和拒收率较高的，可以具体从返修的问题或者拒收的原因去寻找答案!

总结一下：
1、重点解决货品4送往西北、货品2送往马来西亚延误严重的问题
2、可加大货品2在西北地区的销售投入，减少在马来西亚的投入
3、按时送达可以提升合格率，因此加大物流投入， 能提升合格率，也就相对减少了拒收和返修率

喜欢的请点个赞喔~~