淘宝订单数据分析122523.pdf
丹青不知老将至，贫贱于我如浮云。杜甫丹青不知老将至，贫贱于我如浮云。杜甫淘宝订单数据分析1、项背景：通过业常见指标对淘宝户为数据进分析，本数据集包含了2017年11252017年123之间，约百万随机户的所有为数据(包括户id、商品id、商品类、时间戳、为类型)，给出优化建议。数据来源于阿云天池。2、提出问题和分析标 电商指标：3.本数据集分析维度以及相关指标【1】流量分布分析【2】为转化率分析【3】消费偏好分析【5】户价值分析三、理解数据本数据集包含了2017年11252017年123之间，有为的约百万随机户的所有为（为包括点击、购买、加购、喜欢）。数据集的组织形式和MovieLens-20M类似，即数据集的每表条户为，由户ID、商品ID、商品类ID、为类型和时间戳组成，并以逗号分隔。由于原数据集共有1亿调数据记录，数据量较为庞，本次分析选取约300万条记录进分析。数据集简介：好学近乎知，力行近乎仁，知耻近乎勇。中庸海纳百川，有容乃大；壁立千仞，无欲则刚。林则徐四、数据分析（1）python导excel件（数据量太，这导前300万条）import pandas as pdimport numpy as npimport osimport matplotlibos.chdir(D:UserBehavior)data=pd.read_csv(UserBehavior.csv,nrows=3000000)data=data.rename(columns=1:user_id,2268318:item_id,2520377:category_id,pv:behavior,1511544070:timestamps)（2）数据清洗#时间戳转换datatimestamps=pd.to_datetime(datatimestamps,unit=s)#unix转datetime格式dataday=datatimestamps.dt.datedatahour=datatimestamps.dt.hourprint(数据量:,data.shape0)#异常时间处理data=datadatatimestamps2017-11-25data=datadatatimestamps2017-12-04（3）构建模型与图表分析天行健，君子以自强不息。地势坤，君子以厚德载物。易经以家为家，以乡为乡，以国为国，以天下为天下。管子牧民#模型构建与数据分析#总pv、总uv、总平均访问量（pv/uv）uv=pd.DataFrame(data.groupby(user_id)user_id.value_counts().count()0#访问量pv=datadatabehavior=pv.count()0#访客数avgpv=pv/uv#平均访问量print(访问量:,uv,访客数:,pv,平均访问量:,avgpv)结果如下：#访客量、点击量、平均访客计算dayUserCount=data.pivot_table(index=day,user_id,aggfunc=count)#透视表dayUser=pd.DataFrame(dayUserCount.groupby(day).count()behavior)pvData=datadatabehavior=pvdayPv=pd.DataFrame(pvData.pivot_table(index=day,aggfunc=count)user_id)#透视表DayDate=pd.merge(dayUser,dayPv,on=day)DayDate=DayDate.rename(columns=behavior:访客量,user_id:点击量)DayDate均点击量=DayDate点击量/DayDate访客量#访客图表分析import matplotlib.pyplot as pltfrom pylab import mplmpl.rcParamsfont.sans-serif=SimHei#指定默认字体mpl.rcParamsaxes.unicode_minusplt.plot(DayDate访客量)plt.xticks(rotation=50)plt.title(访客量)plt.ylim(20000,30000)人人好公，则天下太平；人人营私，则天下大乱。刘鹗其身正，不令而行；其身不正，虽令不从。论语#分时访客分析hourUserCount=data.pivot_table(index=hour,user_id,aggfunc=count)#透视表hourUser=pd.DataFrame(hourUserCount.groupby(hour).count()behavior)pvData=datadatabehavior=pvhourPv=pd.DataFrame(pvData.pivot_table(index=hour,aggfunc=count)user_id)#透视表hourdata=pd.merge(hourUser,hourPv,on=hour)hourdata=hourdata.rename(columns=behavior:时访客量,user_id:时点击量)hourdata时均点击量=hourdata时点击量/hourdata时访客量#分时图表绘制ax=plt.bar(range(len(hourdata),hourdata时均点击量)plt.xticks(rotation=50)plt.title(分时点击量分布)plt.ylim(0,15)#销量商品ID与商品类#前10销量商品#其成交量和转化率情况itemData=pd.DataFrame()pv=datadatabehavior=pv#商品点击量itemPv=pd.DataFrame(pv.groupby(item_id).count()behavior)buy=datadatabehavior=buy#商品购买量itemBuy=pd.DataFrame(buy.groupby(item_id).count()behavior)itemData=pd.merge(itemBuy,itemPv,on=item_id)itemData=itemData.rename(columns=behavior_x:商品购买量,behavior_y:商品浏览量)itemData转化率=itemData商品购买量/itemData商品浏览量#流量前10商品iditemData.sort_values(by=商品浏览量,ascending=False).head(10)结果如下：非淡泊无以明志，非宁静无以致远。诸葛亮人人好公，则天下太平；人人营私，则天下大乱。刘鹗 购买量前10商品iditemData.sort_values(by=商品购买量,ascending=False).head(10)说明：本blog是作者本熬夜做出来的，切勿抄袭哈。内容待完善，下次更。
