kaggle数据集某咖啡店的营销数据分析

因为还处于数据分析的学习阶段，所以在kaggle这个网站找了两个数据集来给自己练练手。

准备工作

 import pandas as pd
import os
import matplotlib.pyplot as plt
import numpy as np

获取数据

这里我下载了两个数据集第一个是关于咖啡的销售情况，第二个是关于Instagram这个网站1000名最受欢迎的博主的数据。

我就从咖啡的销售情况这个表入手，因为我看了第二个表实在是没有什么眉目去做T.T

 # 读取目录内的文件
directory = r'C:\Users\Admin\Desktop\demo\练习'
files = os.listdir(directory)
print(files)

 ['coffee_result.csv', 'Instagram-Data.csv', '图片']

 # 存放文件
files_list = []
for file in files:
    if file.endswith('.csv'):
        directory_file = fr'{directory}\{file}'
        files_list.append(directory_file)
print(files_list)

 ['C:\\Users\\Admin\\Desktop\\demo\\练习\\coffee_result.csv', 'C:\\Users\\Admin\\Desktop\\demo\\练习\\Instagram-Data.csv']

 # 读取需要的文件
df = pd.read_csv(files_list[0])

查看一些必要信息

 df.info()
df

 <class 'pandas.core.frame.DataFrame'>
RangeIndex: 1464 entries, 0 to 1463
Data columns (total 6 columns):
 #   Column       Non-Null Count  Dtype  
---  ------       --------------  -----  
 0   date         1464 non-null   object 
 1   datetime     1464 non-null   object 
 2   cash_type    1464 non-null   object 
 3   card         1375 non-null   object 
 4   money        1464 non-null   float64
 5   coffee_name  1464 non-null   object 
dtypes: float64(1), object(5)
memory usage: 68.8+ KB

	date	datetime	cash_type	card	money	coffee_name
0	2024-03-01	2024-03-01 10:15:50.520	card	ANON-0000-0000-0001	38.70	Latte
1	2024-03-01	2024-03-01 12:19:22.539	card	ANON-0000-0000-0002	38.70	Hot Chocolate
2	2024-03-01	2024-03-01 12:20:18.089	card	ANON-0000-0000-0002	38.70	Hot Chocolate
3	2024-03-01	2024-03-01 13:46:33.006	card	ANON-0000-0000-0003	28.90	Americano
4	2024-03-01	2024-03-01 13:48:14.626	card	ANON-0000-0000-0004	38.70	Latte
...	...	...	...	...	...	...
1459	2024-09-05	2024-09-05 20:30:14.964	card	ANON-0000-0000-0587	32.82	Cappuccino
1460	2024-09-05	2024-09-05 20:54:24.429	card	ANON-0000-0000-0588	23.02	Americano
1461	2024-09-05	2024-09-05 20:55:31.429	card	ANON-0000-0000-0588	32.82	Cappuccino
1462	2024-09-05	2024-09-05 21:26:28.836	card	ANON-0000-0000-0040	27.92	Americano with Milk
1463	2024-09-05	2024-09-05 21:27:29.969	card	ANON-0000-0000-0040	27.92	Americano with Milk

1464 rows × 6 columns

 print(df['cash_type'].unique().tolist(),'\n', 
len(df['card'].unique().tolist()),'\n', 
df['coffee_name'].unique().tolist(),'\n',
len(df['coffee_name'].unique().tolist()))

 ['card', 'cash'] 
 589 
 ['Latte', 'Hot Chocolate', 'Americano', 'Americano with Milk', 'Cocoa', 'Cortado', 'Espresso', 'Cappuccino'] 
 8

通过info返回的信息可以看到card列存在一些空值，那我就把空值处理一下

 df[df['card'].isnull()]

	date	datetime	cash_type	card	money	coffee_name
12	2024-03-02	2024-03-02 10:30:35.668	cash	NaN	40.0	Latte
18	2024-03-03	2024-03-03 10:10:43.981	cash	NaN	40.0	Latte
41	2024-03-06	2024-03-06 12:30:27.089	cash	NaN	35.0	Americano with Milk
46	2024-03-07	2024-03-07 10:08:58.945	cash	NaN	40.0	Latte
49	2024-03-07	2024-03-07 11:25:43.977	cash	NaN	40.0	Latte
...	...	...	...	...	...	...
657	2024-05-31	2024-05-31 09:23:58.791	cash	NaN	39.0	Latte
677	2024-06-01	2024-06-01 20:54:59.267	cash	NaN	39.0	Cocoa
685	2024-06-02	2024-06-02 22:43:10.636	cash	NaN	34.0	Americano with Milk
691	2024-06-03	2024-06-03 21:42:51.734	cash	NaN	34.0	Americano with Milk
692	2024-06-03	2024-06-03 21:43:37.471	cash	NaN	34.0	Americano with Milk

89 rows × 6 columns

空值是由支付类型为现金支付的那一列对应的行产生的

 df['card'] = df['card'].fillna("-1")    # 填充空值
df['card'].isnull().any()

 np.False_

对数据进行处理

在info返回的信息看到date这一列的数值类型是对象，我就把它变成日期类型方便我自己后续操作

 # 查看日期类型以及显示的格式
print(type(df.loc[1,'date']),type(df.loc[1,'datetime']))
df.loc[1,'date']

 <class 'str'> <class 'str'>
'2024-03-01'

 # 调整日期格式提取每行数据的月份
df['date'] = pd.to_datetime(df['date'])    # 格式转换
df['datetime'] = pd.to_datetime(df['datetime'])
df['month'] = df['date'].dt.month    # 提取月份的数字
print(len(df['month'].unique()))

查看每月的销售情况

因为9月份的数据只有5天所以这个月就不纳入分析

 # 查看每月的销量以及金额
df_six = df[df['month']!=9].copy()    # 拿到九月以外的数据
month = df_six['month'].unique()    # 把月份单独拎出
month_sales = df_six.groupby('month')['money'].count()    # 统计每个月的销售量
month_sum = df_six.groupby('month')['money'].sum()    # 统计每个月的销售金额
 
figure,axes = plt.subplots(1,2,figsize=[16,8])    # 创建一个同一水平两个画布的图形，长宽16*8
figure.suptitle("Month sales and sum",size=20)    # 定义图表主标题
ax1 = axes[0].bar(month,month_sales)    # 传递数据创建第一个子图表
axes[0].set_xlabel('Month',size=16)    # 设置x轴标题与字号
axes[0].set_ylabel('Count',size=16)    # 设置y轴标题与字号
 
ax2 = axes[1].bar(month,month_sum)
axes[1].set_xlabel('Month',size=16)
axes[1].set_ylabel('Sum',size=16)
 
axes[0].bar_label(ax1,fmt="%d",label_type="center")    # 设置子图的数据标签以整数显示在图形之中
axes[1].bar_label(ax2,fmt="%d",label_type="center")
plt.subplots_adjust(wspace=0.5)    # 设置子图之间的间隔

统计每款咖啡的营销情况

每款咖啡每月的营销额

 # 制作子图
nrows,ncols = 2,4    # 创建关于子图的行数和列数
figure3,axes = plt.subplots(nrows,ncols,figsize=[16,8],sharex=True,sharey=True)    # 定义子图的数量、主窗口的大小，共享子图之间的x轴与y轴标签
 
coffee_month_sales = df_six.groupby(['month','coffee_name'])['money'].sum().reset_index(name='sum')    # 根据每个月不同咖啡进行分组计算销售金额
coffee_names = coffee_month_sales['coffee_name'].unique().tolist()    # 提取咖啡的款式
 
# 创建每款咖啡的图形
for idx,coffee_name in enumerate(coffee_names):
    x,y = divmod(idx,ncols)    # 通过计算商数和余数定义创建子图的位置
    coffee_data = coffee_month_sales[coffee_month_sales['coffee_name']==coffee_name]    # 根据遍历的咖啡名称拿出对应的切片数据
    bars = axes[x,y].bar(coffee_data['month'],coffee_data['sum'])    # 传入月份和合计数制作图形
    axes[x,y].bar_label(bars,fmt="%d",label_type="center")    # 定义子图数据标签
    subtitle = f"{coffee_name} {int(coffee_data['sum'].sum())}"    # 定义每个子图的子标题内容
    axes[x,y].set_title(subtitle)    # 制作子标题内容
    axes[x,y].set_xlabel('month',size=16)    # x轴标题设置
    axes[x,y].set_ylabel('sum',size=16)    # y轴标题设置
    
figure3.suptitle('coffee month sales',size=20)    # 图形窗口主标题设置
plt.tight_layout()    # 自动调整子图元素之间的位置
plt.subplots_adjust(wspace=0.5)   # 调整水平方向每个子图之间的间隔

查看不同咖啡的购买以及占比

 stati = df_six.groupby('coffee_name')['money'].count().reset_index(name='buyers')    # 计算每款咖啡的购买次数
stati.sort_values(by='buyers',ascending=True,inplace=True,ignore_index=True)    # 按照出售的数量进行排序
 
# 创建图形窗口绘制图形
figure2,axes = plt.subplots(1,2,figsize=(16,8))    
figure2.suptitle("Coffee audience number and proportion",size=20)    
ax1 = axes[0].barh(stati.iloc[:,0],stati.iloc[:,1])    
axes[0].bar_label(ax1,fmt="%d",label_type="center")    
 
# 设置x、y轴标题
axes[0].set_ylabel("Kind",size=16)
axes[0].set_xlabel("Sum",size=16)
 
# 绘制饼形图
axes[1].pie(stati.iloc[:,1],labels=stati.iloc[:,0],autopct='%0.1f')
plt.subplots_adjust(wspace=0.5)

统计客户的实际消费情况

这里统计的是刷卡的客户

 cardholder = df_six[df_six['card']!='-1'].copy()    # 拿出刷卡的那部分数据
 
# 创建一个列标签列用于统计消费次数
cardholder['tag'] = 1
cardholder.drop(columns=['date','datetime','cash_type'],inplace=True)
cardholder['month_sum'] = cardholder.groupby('card')['tag'].transform('sum')    # 以刷卡客户的卡号作为分组统计标签的次数

 # 统计客户的最大消费次数即总次数
active_buyer = cardholder.groupby('card')['month_sum'].max().reset_index(name='buys')
active_buyer.sort_values(by='buys',inplace=True,ignore_index=True,ascending=False)
 
# 统计客户的实际总消费金额
cardholder['money_sum'] = cardholder.groupby('card')['money'].transform('sum')
money_sum = cardholder.drop_duplicates(subset='card',ignore_index=True).copy()
money_sum.drop(columns=['money','coffee_name','month','tag','month_sum'],inplace=True)
money_sum.sort_values(by='money_sum',inplace=True,ignore_index=True,ascending=False)

 result = pd.merge(active_buyer,money_sum)
print('总消费平均金额：',result['money_sum'].mean(),'\n',
      result.head(10))

 总消费金额平均数： 75.29034111310592 
                   card  buys  money_sum
0  ANON-0000-0000-0012    96    2772.44
1  ANON-0000-0000-0009    67    2343.98
2  ANON-0000-0000-0141    44    1101.08
3  ANON-0000-0000-0097    38    1189.34
4  ANON-0000-0000-0040    30     910.12
5  ANON-0000-0000-0003    27     744.04
6  ANON-0000-0000-0001    17     646.14
7  ANON-0000-0000-0134    13     470.76
8  ANON-0000-0000-0024    12     422.26
9  ANON-0000-0000-0059    12     337.00

通过打印的数据可以看到这算是最活跃的一批用户了

程度大致就做到这种情况了，如果有什么好的方法也可以在评论区评论！

本文的代码以及思路根据以下链接做过参考：
[https://tianchi.aliyun.com/notebook/464175?spm=a2c22.21852664.0.0.260f379cEBLg8w]

数据集下载链接：
https://storage.googleapis.com/kagglesdsdata/datasets/5328600/9620471/index.csv?X-Goog-Algorithm=GOOG4-RSA-SHA256&X-Goog-Credential=gcp-kaggle-com%40kaggle-161607.iam.gserviceaccount.com%2F20241019%2Fauto%2Fstorage%2Fgoog4_request&X-Goog-Date=20241019T074949Z&X-Goog-Expires=259200&X-Goog-SignedHeaders=host&X-Goog-Signature=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

posted @ 2024-10-19 14:20 一头大笨向阅读(425) 评论(0) 编辑收藏举报

刷新页面返回顶部

登录后才能查看或发表评论，立即登录或者逛逛博客园首页

相关博文：

· Pandas多层级索引-1

· Pandas的set_index()、reset_index()和reindex()的基本使用

· mysql udf提权

· MySQL提权总结

· 渗透测试-25：权限提升

阅读排行：
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布：重大改进与新特性概览！
· .NET10 - 预览版1新功能体验（一）

公告

昵称：一头大笨向
园龄： 2年11个月
粉丝： 5
关注： 3

+加关注

2025年3月

日

一

二

三

四

五

六

一头大笨向

先跟着别人的脚步，再走出自己的脚步

kaggle数据集某咖啡店的营销数据分析

准备工作

获取数据

查看一些必要信息

对数据进行处理

查看每月的销售情况

统计每款咖啡的营销情况

每款咖啡每月的营销额

查看不同咖啡的购买以及占比

统计客户的实际消费情况

公告

搜索

常用链接

我的标签

随笔分类

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论

	import pandas as pd
	import os
	import matplotlib.pyplot as plt
	import numpy as np

	# 读取目录内的文件
	directory = r'C:\Users\Admin\Desktop\demo\练习'
	files = os.listdir(directory)
	print(files)

	# 存放文件
	files_list = []
	for file in files:
	if file.endswith('.csv'):
	directory_file = fr'{directory}\{file}'
	files_list.append(directory_file)
	print(files_list)

	<class 'pandas.core.frame.DataFrame'>
	RangeIndex: 1464 entries, 0 to 1463
	Data columns (total 6 columns):
	# Column Non-Null Count Dtype
	--- ------ -------------- -----
	0 date 1464 non-null object
	1 datetime 1464 non-null object
	2 cash_type 1464 non-null object
	3 card 1375 non-null object
	4 money 1464 non-null float64
	5 coffee_name 1464 non-null object
	dtypes: float64(1), object(5)
	memory usage: 68.8+ KB

	print(df['cash_type'].unique().tolist(),'\n',
	len(df['card'].unique().tolist()),'\n',
	df['coffee_name'].unique().tolist(),'\n',
	len(df['coffee_name'].unique().tolist()))

	['card', 'cash']
	589
	['Latte', 'Hot Chocolate', 'Americano', 'Americano with Milk', 'Cocoa', 'Cortado', 'Espresso', 'Cappuccino']
	8

	df['card'] = df['card'].fillna("-1") # 填充空值
	df['card'].isnull().any()

	# 查看日期类型以及显示的格式
	print(type(df.loc[1,'date']),type(df.loc[1,'datetime']))
	df.loc[1,'date']

	# 调整日期格式提取每行数据的月份
	df['date'] = pd.to_datetime(df['date']) # 格式转换
	df['datetime'] = pd.to_datetime(df['datetime'])
	df['month'] = df['date'].dt.month # 提取月份的数字
	print(len(df['month'].unique()))

	# 查看每月的销量以及金额
	df_six = df[df['month']!=9].copy() # 拿到九月以外的数据
	month = df_six['month'].unique() # 把月份单独拎出
	month_sales = df_six.groupby('month')['money'].count() # 统计每个月的销售量
	month_sum = df_six.groupby('month')['money'].sum() # 统计每个月的销售金额

	figure,axes = plt.subplots(1,2,figsize=[16,8]) # 创建一个同一水平两个画布的图形，长宽16*8
	figure.suptitle("Month sales and sum",size=20) # 定义图表主标题
	ax1 = axes[0].bar(month,month_sales) # 传递数据创建第一个子图表
	axes[0].set_xlabel('Month',size=16) # 设置x轴标题与字号
	axes[0].set_ylabel('Count',size=16) # 设置y轴标题与字号

	ax2 = axes[1].bar(month,month_sum)
	axes[1].set_xlabel('Month',size=16)
	axes[1].set_ylabel('Sum',size=16)

	axes[0].bar_label(ax1,fmt="%d",label_type="center") # 设置子图的数据标签以整数显示在图形之中
	axes[1].bar_label(ax2,fmt="%d",label_type="center")
	plt.subplots_adjust(wspace=0.5) # 设置子图之间的间隔

	# 制作子图
	nrows,ncols = 2,4 # 创建关于子图的行数和列数
	figure3,axes = plt.subplots(nrows,ncols,figsize=[16,8],sharex=True,sharey=True) # 定义子图的数量、主窗口的大小，共享子图之间的x轴与y轴标签

	coffee_month_sales = df_six.groupby(['month','coffee_name'])['money'].sum().reset_index(name='sum') # 根据每个月不同咖啡进行分组计算销售金额
	coffee_names = coffee_month_sales['coffee_name'].unique().tolist() # 提取咖啡的款式

	# 创建每款咖啡的图形
	for idx,coffee_name in enumerate(coffee_names):
	x,y = divmod(idx,ncols) # 通过计算商数和余数定义创建子图的位置
	coffee_data = coffee_month_sales[coffee_month_sales['coffee_name']==coffee_name] # 根据遍历的咖啡名称拿出对应的切片数据
	bars = axes[x,y].bar(coffee_data['month'],coffee_data['sum']) # 传入月份和合计数制作图形
	axes[x,y].bar_label(bars,fmt="%d",label_type="center") # 定义子图数据标签
	subtitle = f"{coffee_name} {int(coffee_data['sum'].sum())}" # 定义每个子图的子标题内容
	axes[x,y].set_title(subtitle) # 制作子标题内容
	axes[x,y].set_xlabel('month',size=16) # x轴标题设置
	axes[x,y].set_ylabel('sum',size=16) # y轴标题设置

	figure3.suptitle('coffee month sales',size=20) # 图形窗口主标题设置
	plt.tight_layout() # 自动调整子图元素之间的位置
	plt.subplots_adjust(wspace=0.5) # 调整水平方向每个子图之间的间隔

	stati = df_six.groupby('coffee_name')['money'].count().reset_index(name='buyers') # 计算每款咖啡的购买次数
	stati.sort_values(by='buyers',ascending=True,inplace=True,ignore_index=True) # 按照出售的数量进行排序

	# 创建图形窗口绘制图形
	figure2,axes = plt.subplots(1,2,figsize=(16,8))
	figure2.suptitle("Coffee audience number and proportion",size=20)
	ax1 = axes[0].barh(stati.iloc[:,0],stati.iloc[:,1])
	axes[0].bar_label(ax1,fmt="%d",label_type="center")

	# 设置x、y轴标题
	axes[0].set_ylabel("Kind",size=16)
	axes[0].set_xlabel("Sum",size=16)

	# 绘制饼形图
	axes[1].pie(stati.iloc[:,1],labels=stati.iloc[:,0],autopct='%0.1f')
	plt.subplots_adjust(wspace=0.5)

	cardholder = df_six[df_six['card']!='-1'].copy() # 拿出刷卡的那部分数据

	# 创建一个列标签列用于统计消费次数
	cardholder['tag'] = 1
	cardholder.drop(columns=['date','datetime','cash_type'],inplace=True)
	cardholder['month_sum'] = cardholder.groupby('card')['tag'].transform('sum') # 以刷卡客户的卡号作为分组统计标签的次数

	# 统计客户的最大消费次数即总次数
	active_buyer = cardholder.groupby('card')['month_sum'].max().reset_index(name='buys')
	active_buyer.sort_values(by='buys',inplace=True,ignore_index=True,ascending=False)

	# 统计客户的实际总消费金额
	cardholder['money_sum'] = cardholder.groupby('card')['money'].transform('sum')
	money_sum = cardholder.drop_duplicates(subset='card',ignore_index=True).copy()
	money_sum.drop(columns=['money','coffee_name','month','tag','month_sum'],inplace=True)
	money_sum.sort_values(by='money_sum',inplace=True,ignore_index=True,ascending=False)

	result = pd.merge(active_buyer,money_sum)
	print('总消费平均金额：',result['money_sum'].mean(),'\n',
	result.head(10))

	总消费金额平均数： 75.29034111310592
	card buys money_sum
	0 ANON-0000-0000-0012 96 2772.44
	1 ANON-0000-0000-0009 67 2343.98
	2 ANON-0000-0000-0141 44 1101.08
	3 ANON-0000-0000-0097 38 1189.34
	4 ANON-0000-0000-0040 30 910.12
	5 ANON-0000-0000-0003 27 744.04
	6 ANON-0000-0000-0001 17 646.14
	7 ANON-0000-0000-0134 13 470.76
	8 ANON-0000-0000-0024 12 422.26
	9 ANON-0000-0000-0059 12 337.00