数据分析项目--黑色星期五--Python分析

分析说明

数据:Kaggle数据集黑色星期五，已经有很多人分析过了，还是借着别人的笔记以及自己的理解，自己做一遍最好，发现问题，及时复盘才是学习的良好方法。

数据字段说明:

职业代码是里面没有写出及具体的职业，只用数字代替的，总共20种
城市分类也是定义A,B,C三类
婚姻状况中0未婚，1已婚

分析思路

几乎与销售相关的都可以从产品、客户、销售情况三大维度着手分析
对于销售情况，可以做总体的一些分析，
比如销售总额，总订单数，客户平均消费额，平均订单额，
销售额最高的TOP10商品，消费最高的TOP10的VVIP用户
从客户情况分析，借助已有的数据，对客户性别、年龄、职业、婚姻、居住地、居住时间长短对消费的影响做分析
产品的分析基本也是结合客户特征做分析的

1.数据查看清洗

import numpy as np
import pandas as pd
data=pd.read_csv('BlackFriday.csv')
data.info()
dt=data.rename(columns={'User_ID':'用户ID','Product_ID':'产品ID','Gender':'性别','Age':'年龄','Occupation':'职业','City_Category':'城市',
                      'Stay_In_Current_City_Years':'居住时长','Marital_Status':'婚姻状态',
                      'Product_Category_1':'产品分类1','Product_Category_2':'产品分类2','Product_Category_3':'产品分类3','Purchase':'购买金额'})

方框里面的两个字段有缺失值， 并且确实率比较高，所以删除的方式不可取，因为产品分类不太明确，可以不分析这两个字段

以上是总体的消费额等数值的计算

2.客户分析

2.1 客户的性别分析

从数据看出，男女无论是用户数量还是消费额，都存在较大差距，用户数上男性几乎是2女性的2倍，消费额上，男性的总体消费额是女性的3倍多，数据有点出人意料哦。
Python的matplotlib作图太不熟悉了，看着都会，一做全废，一个饼图给我难倒了，先放一放吧，最后专门突破饼图

2.2客户年龄段分析

fig, ax = plt.subplots(figsize=(10,5))
sc = sns.color_palette("Greens", 2)
sns.countplot(dt['年龄'], order=['0-17', '18-25', '26-35', '36-45', '46-50', '51-55', '55+'], palette=sc)
plt.xlabel('', fontsize=24)
plt.ylabel('', fontsize=24)
plt.legend(fontsize=24)
plt.show()

还是直方图好做多了

客户群体中，25-35年龄段的客户人数最多，那么理论上他们产生的购买金额也应该是最高的

import matplotlib.pyplot as plt
import numpy as np
y=list(dt.groupby('年龄')['购买金额'].sum())
x=['0-17', '18-25', '26-35', '36-45', '46-50', '51-55', '55+']
plt.bar(x,y)   #alpha设置透明度，0为完全透明
plt.xlabel('年龄')
plt.ylabel('购买金额')
for a,b in zip(x,y):
    plt.text(a, b+1000, '%.0f' % b, ha='center', va= 'bottom',fontsize=7)
plt.show()

#后面的for那一段是图表增加数字标签的代码，而且matplotlib通用，感谢简书博主博观厚积的博文，学习了，这是链接数据标签

2.3 职业分析

x=list(range(21))
y=list(dt.drop_duplicates('用户ID').groupby('职业')['用户ID'].count())
plt.bar(x,y,width = 0.35,align='center',color = 'c',alpha=0.8)
plt.xticks(x,size='large',rotation=30)
plt.xlabel('职业代码')
plt.ylabel('用户数')
for a,b in zip(x,y):
    plt.text(a, b+10, '%.0f' % b, ha='center', va= 'bottom',fontsize=7)
plt.show()

import matplotlib
matplotlib.rcParams['font.sans-serif']=['SimHei']# 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False 
x=list(range(21))
y=list(dt.groupby('职业')['购买金额'].sum())
plt.bar(x,y,width = 0.35,align='center',color = 'c',alpha=0.8)
plt.xticks(x,size='large',rotation=30)
plt.xlabel('职业代码')
plt.ylabel('购买金额')
for a,b in zip(x,y):
    plt.text(a, b+1000, '%.0f' % b, ha='center', va= 'bottom',fontsize=7)
plt.show()

做到这里才发现，图例项的中文没出来，前面的直方图是框框，需要提前进行下设置，相当于调用字体吧

2.4 婚姻的影响

0代表未婚，1代表已婚，以上只能看出未婚人士购买力稍强于已婚人士

2.5 居住地的影响

在居住地的用户和消费额统计中可以看出C城的用户最多，占了一半以上的用户，但是C城的人均消费额却是最低的，比A.B低了一个数量级

2.6 居住时长的影响

居住1年时长的用户和消费总额都是最多的，但是人均上并没有什么优势，人均消费额还是3年的用户最高，值得注意的一点是居住时长0年的人，人均消费额居然是第2高，看有人的分析将这部分人定义为游客

3.产品分析

销量前10

消费金额前10

商品重叠率50%，这个和单价的关系较大

以上是针对用户和产品做的一个黄金二八法则的验证，以上可以看出，在主要客户方面还是比较可观的，20%的主要用户创造了73%的消费额，产品方面的话，有蛮多因素，不过这个数据还是相对较好的，毕竟这是黑色星期五，产品种类很多，不像一个有具体品类，有主打商品的店铺可以明确分析，而且提供的数据集也没有明确提供具体品类啥的，就不做分析了。

数据集原先的下载链接好像失效了，关注VX公众号：随便一写，发送黑色星期五