数据来源于阿里天池：
淘宝母婴购物数据可视化分析_学习赛_赛题与数据_天池大赛-阿里云天池 (aliyun.com)
Ali_Mum_Baby数据集包含脱敏后抽样淘宝母婴购物数据，由淘宝网提供。
本次可视化分析的目的是对用户行为数据进行分析，使用Python、Numpy、Pandas和Matplotlib等工具完成可视化分析。
先导入数据，为数据清洗做准备。
plt.style.use('ggplot')
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams['axes.unicode_minus']= False
pd.set_option("display.max_columns",None)
path1 = "D:/数据分析/python实战/母婴/tianchi_mum_baby.csv"
path2 = "D:/数据分析/python实战/母婴/tianchi_mum_baby_trade_history.csv"
read_data1 = pd.read_csv(path1)
read_data2 = pd.read_csv(path2)
print(read_data1.birthday.describe())
#数据预处理,设置正确的日期格式
read_data1["birthday"] =pd.to_datetime(read_data1.birthday.astype('str'))
#发现异常数据
print(read_data1.birthday.describe())
read_data1 = read_data1[read_data1["birthday"]> '2010-01-01']
# 创建新列：月份、季度、年
read_data2['month'] = read_data2['day'].dt.month
read_data2['quarter'] = read_data2['day'].dt.quarter
read_data2['year'] = read_data2['day'].dt.year
#剔除购买量异常（偏离中位数三个标准差）
read_data2 = read_data2[(read_data2.buy_mount >= 1) & (read_data2.buy_mount <= 189)]
时间分析
"""按照月份分组，计算每月的购买人数"""
grouped = read_data2.groupby('month')['user_id'].nunique()
#绘制直方图
plt.bar(grouped.index, grouped.values)
# 设置图表标题和轴标签
plt.title('month Purchase User Count')
plt.xlabel('month')
plt.ylabel('User Count')
# 展示图表
plt.show()
统计每月销售数据，发现2月的购买人数，可能是收到春节假期的影响，而11月的购买人数数最多，可能是收到双11促销的影响。
"""按照季度分组，计算每月的购买人数"""
grouped = read_data2.groupby('quarter')['user_id'].nunique()
#绘制直方图
plt.bar(grouped.index, grouped.values)
# 设置图表标题和轴标签
plt.title('quarter Purchase User Count')
plt.xlabel('quarter')
plt.ylabel('User Count')
# 展示图表
plt.show()
从季度来看，母婴用品的销售存在一定的季节性特征，三四季度的购买情况要好于一二季度，特别是第四季度。可能是年末促销活动的影响。
"""查看11月内每天的销售情况"""
read_data2 = read_data2[read_data2["month"]==11]
read_data2["everyday"] = read_data2["day"].dt.day
grouped = read_data2.groupby('everyday')['buy_mount'].sum()
# 绘制直方图
plt.bar(grouped.index,grouped.values)
# 设置图表标题和轴标签
plt.title('quarter Purchase User Count')
plt.xlabel('quarter')
plt.ylabel('User Count')
# 展示图表
plt.show()
单独查看11月的销售数据，验证了双11对销售的促进作用。
产品分析
grouped = read_data2.groupby('buy_mount')['user_id'].count()
plt.bar(grouped.index,grouped.values)
lt.show()
从购买数量上看，大多数用户的单次购买数量为一，应具体分析商品属性，考虑是否刺激用户购买更多商品。
""" 查看各大类商品的销售情况"""
category = read_data2.groupby("category_1")['buy_mount'].sum() plt.figure(figsize=(10, 6)) plt.bar(category.index.astype(str),category.values) plt.title("Sales Volumn by Category") #连接 plt.xlabel("Category_1") plt.ylabel('Sales Volumn') # #统计用户年龄 plt.show()
从总量上看，编号28，5008168的产品销售数量较多，应该继续保持，而38、50022520、122650008的销售量较低。
""" 查看各大类商品下各子类商品的销售情况"""
category = read_data2.groupby("category_1")['category_2'].nunique()
plt.figure(figsize=(10,6))
plt.bar(category.index.astype(str),category.values)
plt.title("Son Category")
plt.xlabel("Category")
plt.ylabel('Sales Volumn') #统计用户年龄
plt.show()
"""统计各类别下，子产品的平均销量"""
category_buy_mount = read_data2.groupby("category_1")['buy_mount'].sum()
son_category = read_data2.groupby("category_1")['category_2'].nunique()
avg = category_buy_mount/son_category
print(avg)
plt.bar(avg.index.astype(str),avg.values)
plt.show()
从子产品的平均销售情况看。5008168的销售数量最高，考虑到其较高的产品销售总量，说明其各子产品有较强的竞争力，相比之下28的平均销售值较低，而子产品的数量又比较高，可以考虑进行一定程度的整合优化。
"""分季度查看销售情况""" grouped = read_data2.groupby(['year','quarter'])['buy_mount'].sum() print(grouped) plt.bar( [str(idx[0]) + "/Q" + str(idx[1]) for idx in grouped.index],grouped.values) plt.show()
观察各个季度的销售情况，可以看出一年之内商品销售数量存在的季节性变化，同时，在2012年到2014年期间，商品销售数量呈现出增长趋势。
用户分析
"""合并数据"""
df = pd.merge(read_data2,read_data1)
"""统计用户性别 """
gender_counts = df["gender"].value_counts()
# 绘制饼图
labels = ["Male","Female"]
sizes = [gender_counts[0],gender_counts[1]]
plt.pie(sizes,labels=labels,autopct='%1.1f%%')
plt.title("Gender Distribution")
plt.axis('equal')
plt.show()
总体上看，用户性别大体持平，男性用户略多于女性用户，可能是父亲参与了母婴用品的购买的过程。说明在销售商品时可以针对父亲群体进行必要的信息说明和推销。
"""男宝宝消费"""
df = pd.merge(read_data2,read_data1)
df = df[df["gender"] ==0]
f_buy_amount = df.groupby("category_1")["buy_mount"].sum()
# print(f_buy_amount)
plt.pie(f_buy_amount.values,labels = f_buy_amount.index)
plt.show()
"""女宝宝消费"""
df = pd.merge(read_data2,read_data1)
df = df[df["gender"] ==0]
f_buy_amount = df.groupby("category_1")["buy_mount"].sum()
# print(f_buy_amount)
plt.pie(f_buy_amount.values,labels = f_buy_amount.index)
plt.show()
可以看出男性宝宝和女性宝宝间的产品消费情况存在一定差异，在男性宝宝中，消费最多的产品大类是50008168，而在女性宝宝中，消费最多的大类是50014815，因此针对不同性别的宝宝，推销计划应该有所差异。而122650008的消费量最少，应结合产品属性做进一步分析。
作者：aynami
链接：https://juejin.cn/spost/7241590154149642301
来源：稀土掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
链接：https://juejin.cn/spost/7241590154149642301
来源：稀土掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
