Python数据分析_Pandas入门_Chipotle快餐数据分析

背景

科赛网“Pandas做数据分析”数据集，进行探索分析

代码

首先，导入数据集，查看数据

背景

科赛网“Pandas做数据分析”数据集，进行探索分析

代码

首先，导入数据集，查看数据

查看不同item的购买数量

不同item出现的次数统计

对price进行处理

增加“sub_total”列，查看每笔订单的总金额

查看总收入是多少

数据集中“choice_description”，猜想订单备注信息或许与收入有关系，并可以通过订单id链接到用户id，对用户进行分组，通过人群分类用户画像最大化销量与收益。

新增衡量description的列“description_len”

绘制整体“description_len”与"sub_total"的关系

发现有异常值，进行删除处理

尝试通过聚类方法进行分组，选取方法：KMeans, DBSCAN, MeanShift, AgglomerativeClustering, OPTICS

进行数据可视化

得到以下结果

如果从用户消费习惯分类，可以将理想分类模型先用tableau进行模拟，分类规则制定的思想：

A：description 较长，但订单总价不高，大体处于订单总价中最低档，用户价值较低，但用户参与度较高，可以推送促销、打折商品，对价格敏感度高
B：description 较短，并且订单总价较为集中，大体仍处于订单总价中最低档。用户价值较低，且用户参与度不高，可以推送促销、打折商品，对价格敏感度高
C：description 较长，订单总价大体处于订单总价中中等档。用户价值较高，且参与度较高。可以推送价格适中的商品，或促销打折的大牌商品
D：description 较长，订单总价大体处于订单总价中最高档，较为分散。用户价值很高，参与度较为分散，可以推送大牌潮牌等商品

分类规则如下：

较为理想的分类结果为GMM算法所得结果

下一步工作即可根据分类结果对特定用户人群/商品进行针对性的运营战略，提高整体营收

END