案例2：优衣库销售数据分析

学习目标

• 掌握描述性数据分析流程
• 能够使用pandas、seaborn进行数据分析和可视化

1. 案例介绍

案例背景：

• 数据集中包含了不同城市优衣库门店的销售记录
• 通过对销售数据的分析，为运营提供一些有益信息

分析需求：

• 不同产品的销售情况，顾客喜欢的购买方式
• 销售额和成本之间的关系
• 购买时间偏好

数据集说明：

本案例使用 uniqlo.csv 数据集，其数据字段如下：

2. 加载数据

1）加载 uniqlo.csv 数据，并查看数据的基本情况

import pandas as pd
uniqlo = pd.read_csv('./data/uniqlo.csv')
uniqlo

# 查看数据的字段信息
uniqlo.info()

结果说明：从上面结果中看出，数据没有缺失

# 查看数据字段的统计信息
uniqlo.describe()

结果说明：从结果中看出，revenue 销售金额，有异常值，-0.66 / 12538，可以进一步查看

# 查看销售金额小于1的数据信息
uniqlo[uniqlo.revenue<1]

结果说明：进一步查看之后发现，一部分订单收入为0，可能为赠品，收入小于0的订单只有一个，实际工作中可以跟业务方核对数据

# 查看销售金额大于5000的数据信息
uniqlo[uniqlo.revenue>5000]

结果说明：查看后发现均为消费多件导致金额较高，数据没有问题

3. 业务解读

3.1 不同产品的销售情况

1）统计不同种类产品的订单情况

# 统计不同种类产品的订单情况
uniqlo.groupby('product')['order'].sum().sort_values(ascending=False)

结果说明：可以看出，T恤销售记录条数最多，其次是当季新品，袜子...

2）统计不同种类产品的销量

# 统计不同种类产品的销量
uniqlo.groupby('product')['quant'].sum().sort_values(ascending=False)

# 进一步拆解，按城市拆解销量
uniqlo.pivot_table(values='quant', 
                   index='product', 
                   columns='city', 
                   aggfunc='sum').sort_values('上海', ascending=False)

# 对城市拆解后，再进一步按线上线下拆解
uniqlo.pivot_table(values='quant', 
                   index='product', 
                   columns=['city', 'channel'], 
                   aggfunc='sum')

3.2 用户习惯使用哪种方式进行消费

1）统计使用不同消费方式的订单数量

# 统计使用不同消费方式的订单数量
uniqlo.groupby('channel').order.sum()

结果说明：从数据中看出，线下消费记录更多，线上较少

# 进一步按城市拆解
uniqlo.pivot_table(index='city', columns='channel', 
                   values='order', aggfunc='sum').sort_values('线上', ascending=False)

结果说明：数据中发现，并不是所有的城市都有线下，有些城市线上订单数大于线下订单数，比如广州

# 进一步计算线上线下销售额
uniqlo.pivot_table(values='quant', index='city', 
                   columns='channel', aggfunc='sum')

结果说明：从结果中得出广州销售额线上>线下，武汉线上线下比较接近，北京、南京、成都、杭州、深圳没有线上

3.3 用户消费习惯(周间还是周末)

1）统计用户周间、周末消费的整体情况

# 统计用户周间、周末消费的整体情况
uniqlo.wkd_ind.value_counts()

结果说明：整体情况上看，周间数据条目数量>周末数量，但周间有5天，所以整体看周末日均销售情况好于周间

2）通过数据透视表，查看不同城市周间、周末销量情况

wkd_sales = uniqlo.pivot_table(values='quant', index='wkd_ind', 
                               columns='city', aggfunc='sum')
wkd_sales

# 添加字段：计算每天的销售额
wkd_sales.loc['weekday_avg', :] = wkd_sales.loc['Weekday', :] / 5
wkd_sales.loc['weekend_avg', :] = wkd_sales.loc['Weekend', :] / 2
wkd_sales

结果说明：可以看出每个城市周间周末平均消费订单数量的情况

3.4 销售额和成本之间的关系

1）销售额 revenue 和 unit_cost 成本之间的关系，先直接计算皮尔逊相关系数

# 计算销售额和成本之间的相关系数
uniqlo[['revenue', 'unit_cost']].corr()

结果说明：从结果中查看发现，貌似没有关系

# 进一步查看 unit_cost
uniqlo.unit_cost.value_counts()

结果说明：查看发现 unit_cost 为单位商品的成本，但是 revenue 不一定是一件物品的收入，需要处理数据

# 筛选出销售额大于 1 的数据
uniqlo2 = uniqlo[uniqlo.revenue > 1]
uniqlo2.head()

# 添加单件收入列，并计算单件收入和单位成本计算相似度
uniqlo2['rev_per_goods'] = uniqlo2['revenue'] / uniqlo2['quant']
uniqlo2[['rev_per_goods','unit_cost']].corr()

结果说明：从结果中看出，单件收入和单位成本之间相关性还是比较强的

# 绘制热力图
sns.heatmap(uniqlo2[['rev_per_goods', 'unit_cost']].corr())

总结

• 数据分析的过程中，多维度拆解是很重要的分析思路，在分析产品销售情况的时候，案例中分别按城市，按线上线下进行拆解，实际上还可以从更多的维度进行拆解，比如年龄、性别等均可以拆解，拆解之后可以获得更多信息
• 使用seaborn进行可视化代码比较简洁,还自带了简单的统计功能，比如countplot
• 透视表(pivot_table)和分组聚合(groupby aggragation)功能类似，都可以从不同角度来观察数据