购物数据分析

这是一个关于电商双11美妆数据分析的项目页面，包含版本记录、运行代码提示、评论等功能模块的相关描述。，会涉及数据处理、可视化、统计分析等代码逻辑，用于处理美妆电商双11相关数据，如销售数据统计、消费者行为分析等 。

数据源https://www.heywhale.com/mw/project/5f86a95ce48a3f0030238ca9

数据处理

数据有27598条，每条数据有7个特征，都是非空的。

数据清洗

数据去重

data = df.drop_duplicates(inplace = False)##去重

data.reset_index(inplace = True,drop = True)##重置行索引

data.shape

数据去空值NAN

存在的缺失值很可能意味着售出的数量为0或者评论的数量为0，所以我们用0来填补缺失值。

##填补缺失值

data=data.fillna(0) #用0填补缺失值

data.isnull().any() #查看是否还有空值

数据挖掘分类，销售分类，男性专用分类

import jieba

subtitle=[]

for each in data['title']:

k=jieba.lcut_for_search(each) ##搜索引擎模式

subtitle.append(k)

data['subtitle']=subtitle

data[['title','subtitle']].head()

数据可视化

绘图显示出结果对比

import matplotlib.pyplot as plt

%matplotlib inline

plt.rcParams['font.sans-serif'] = [u'SimHei'] ##显示中文，设置字体

plt.rcParams['axes.unicode_minus'] = False ##显示符号

plt.figure(figsize = (12,10))

各店铺的商品数量

plt.subplot(2,2,1)

plt.tick_params(labelsize=15)

data['店名'].value_counts().sort_values().plot.bar()

plt.title('各品牌商品数',fontsize = 20)

plt.ylabel('商品数量',fontsize = 15)

plt.xlabel('店名')

各店铺的销量

plt.subplot(2,2,2)

plt.tick_params(labelsize=15)

data.groupby('店名').sale_count.sum().sort_values().plot.bar()

plt.title('各品牌所有商品的销量',fontsize = 20 )

plt.ylabel('商品总销量',fontsize = 15)

#各店铺总销售额

plt.subplot(2,2,3)

plt.tick_params(labelsize=15)

data.groupby('店名')['销售额'].sum().sort_values().plot.bar()

plt.title('各品牌总销售额', fontsize = 20)

plt.ylabel('商品总销售额' , fontsize = 15)

#旋转显示plt.xticks(rotation=45)

##补充绘图，挖掘数据，各品牌的平均每单单价，三个销量为0的品牌暂时不考虑

plt.subplot(2,2,4)

plt.tick_params(labelsize = 15)

avg_price=data.groupby('店名')['销售额'].sum()/data.groupby('店名').sale_count.sum() ###每个品牌售出的商品的平均单价

avg_price.sort_values().plot.bar()

plt.title('各品牌平均每单单价', fontsize = 20)

plt.ylabel('售出商品的平均单价' , fontsize = 15)

##自适应调整子图间距

plt.tight_layout()