python项目--物流行业项目分析

• 数据来源：某企业销售的6种商品所对应的送货及用户反馈数据；数据链接: 物流行业项目分析数据.
• 分析过程为：

1. 数据清洗
2. 数据规整
3. 数据分析并可视化

准备工作

• 首先导入包和数据，将编码设置为gbk，若用utf-8会报错。然后查看数据的整体信息，观察以下结果

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示
data = pd.read_csv('E:\下载\数据分析实战项目资料\物流\资料\data_wuliu.csv', encoding='gbk')
print(data.info())

• 输出结果为：
  
  结果运行出来后，进行数据清洗。

数据清洗

• 主要是进行重复值，缺失值，格式调整

• 首先对数据表进行观察，观察数据要进行哪些操作
  

• 通过观察可以得出以下结论：

1. 订单号，商品交货情况，数量：存在缺失值，但是缺失量不大，可以删除
2. 订单行：对分析无关紧要，可以考虑删除
3. 销售金额格式不对（万元|元，逗号问题），数据类型需要转换成int|float

• 删除重复记录、除缺失值、订单行，由于删除了重复记录，索引不连续了，所以我们要将索引更新。

data.drop_duplicates(keep='first', inplace=True)
data.dropna(axis=0, how='any', inplace=True)
data.drop(columns=['订单行'], inplace=True, axis=1)
print(data.head())
# 更新索引（drop=True:把原来的索引index列删除，重置index）
data.reset_index(drop=True, inplace=True)
print(data.head())

• 更新索引前后对比
  
• 对销售金额列进行处理

1. 取出销售金额列，对每一个数据进行清洗
2. 编写自定义过滤函数，删除逗号，转成float
3. 若是万元则*10000，否则删除元

def data_deal(number):
    if number.find('万元') != -1:
        new_number = float(number[:number.find('万元')].replace(',', '')) * 10000
        pass
    else:
        new_number = float(number.replace('元', '').replace(',', ''))
        pass
    return new_number

data['销售金额'] = data['销售金额'].map(data_deal)

• 对异常值进行处理
  首先输出对数据的描述性统计，进行观察，可以发现数量、销售金额字段值均右偏，在电商领域右偏2/8很正常，无需处理；销售金额还有0的值，因为数据量很小，所以删除这个值没有影响。

print(data.describe())
data = data[data['销售金额'] != 0]
print(data.describe())

• 处理对比如下：
  

数据规整

1. 将销售时间转化为时间序列，并进行查看
2. 取出时间中的月份存到月份字段中

data['销售时间'] = pd.to_datetime(data['销售时间'])
print(data.info())
data['月份'] = data['销售时间'].apply(lambda x: x.month)
print(data)

结果：

数据分析并可视化

1. 配送服务是否存在问题：从四个角度来分析，分别是月份维度、销售区域维度、货品维度和货品和销售区域结合

• 月份维度

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()
data1['按时交货率'] = data1['按时交货'] / (data1['按时交货'] + data1['晚交货'])
print(data1)

结果：

分析：从按时交货率来看，第四季度低于第三季度，猜测可能是气候原因造成

• 销售区域维度

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

结果：

分析：西北地区存在最突出的延时交货问题，急需解决

• 货品维度

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['按时交货']+data1['晚交货'])
print(data1.sort_values(by='按时交货率', ascending=False))

结果：

分析：货品4晚交货情况非常严重，其余货品相对较好

• 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()
data1['按时交货率'] = data1['按时交货']/(data1['按时交货']+data1['晚交货'])
print(data1.sort_values(by='按时交货率', ascending=False))

结果：

分析：销售区域：最差在西北递去，货品有1和4，主要是货品4送货较晚导致；货品：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导致

2. 是否存在尚有潜力的销售区域，从三个维度进行分析，分别是月份维度、区域维度和月份和区域维度

• 月份维度

data1 = data.groupby(['月份', '货品'])['数量'].sum().unstack()
data1.plot(kind='line')
plt.show()

结果：

分析：货品2在10月和12月份，销量猛增。原因猜测有：1.公司加大营销力度，2.开发了新的市场（后续有结论）

• 区域维度

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

结果：

分析：从销售区域看，每种货品销售区域为1-3个，货品1有三个销售区域，货品2有两个销售区域，其余货品均有1个销售区域

• 月份和区域维度

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

结果：

分析：货品2在10月和12月份销量猛增，原因主要发生在原有销售区（华东）；同样，分析出7，8，9，11月份销售数量还有很大提升空间，可以适当加大营销力度

3. 商品是否存在质量问题

• 对货品用户反馈字段取出首位空格，求出反馈总数，再依次求出拒货率、返修率、合格率，对这三个值汇总排序

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()
print(data1)
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))

结果：

分析：货品3，6，5，合格率均较高，返修率比较低，说明质量还可以；货品1，2，4，合格率较低，返修量较高，质量存在一定的问题，需要改善；货品2在马来西亚的拒货率最高，同时，货品2在马来西亚的按时交货率也非常低，猜测：马来西亚人对送货的时效性要求较高；如果达不到，则往往考虑拒收；考虑到货品2主要在华东地区销售量大，可以考虑增大在华中的投入，适当减小马来西亚的投入

总结

1. 货品4-西北，货品2-马来西亚两条线路存在较大问题，急需提升时效
2. 货品2在华东地区还有较大市场空间，适合加大投入，同时货品2在西北配送失效长，用户拒收率高，从成本角度考虑，应该减少投入
3. 货品1，2，4，存在质量问题，简易扩大抽检范围，加大之间力度

• 扩展：unstack 列转行展示；stack 行转列展示；data1.sum(axis=1)：按行进行汇总求和；data.dropna(axis=0, how='any', inplace=True)：有一个为空则删除；how='all'：该行全为空则删除