0


Python+大数据-数据分析与处理(六)-综合案例

Python+大数据-数据分析与处理(六)-综合案例

案例一:Appstore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

  • 对 App 下载和评分数据分析,帮助 App 开发者获取和留存用户
  • 通过对应用商店的数据分析为开发人员提供可操作的意见

分析需求

  • 免费和收费的 App 都集中在哪些类别
  • 收费 App 的价格是如何分布的,不同类别的价格分布怎样
  • App文件的大小和价格以及用户评分之间是否有关

分析流程

1)数据概况分析

  • 数据行/列数量
  • 缺失值分布

2)单变量分析

  • 数字型变量的描述指标(平均值,最小值,最大值,标准差等)
  • 类别型变量(多少个分类,各自占比)

3)多变量分析

  • 按类别交叉对比
  • 变量之间的相关性分析

4)可视化分析

  • 分布趋势(直方图)
  • 不同组差异(柱状图)
  • 相关性(散点图/热力图)

数据集说明

本案例使用

applestore.csv

数据集,其数据字段如下:
字段说明

id

App ID:每个 App 唯一标识

track_name

App 的名称

size_bytes

以 bytes 为单位的 App 大小

price

定价(美元)

rating_count_tot

App 所有版本的用户评分数量

rating_count_ver

App 当前版本的用户评分数量

prime_genre

App 的类别

user_rating

App 所有版本的用户评分

sup_devices.num

支持的 iOS 设备数量

ipadSc_urls.num

App 提供的截屏展示数量

lang.num

支持的语言数量

2. 数据清洗

# 加载数据import pandas as pd
app = pd.read_csv('./data/applestore.csv',index_col=0)
app

image-20221021145155360

# 查看数据集的字段信息
app.info()

image-20221021145407038

# 查看数据集的各个字段统计值
app.describe()

image-20221021145445383

# 查看是否有缺失值
app.shape
(7197,10)
# 将sizebytes 大小变成mb ,新增size_mb列
app['size_mb']= app['size_bytes']/(1024*1024)
app

image-20221021145552348

# 查看size_mb 列的统计值
app.size_mb.describe()

image-20221021150018910

# 根据价格新增是否免费paid列  判断免费为0 不免费为1
app['paid']= app['price'].apply(lambda x :1if x>0else0)
app

image-20221021150101924

# 查看paid列统计信息#s.value_counts()`统计 Series 数据中不同元素的个数
app['paid'].value_counts()

image-20221021150129653

3.单变量分析

# 查看app 的结果是如何分布的
app.price.value_counts()

image-20221021150258426

# 将按照价格app数据进行分组# pandas.cut()函数可以将数据进行分类成不同的区间值
bins =[0,2,10,30]
labels=['<2','<10','<30']# 分组 bins代表分组区间,默认是左开右闭    左闭右开 right=False  labels 显示区间
app['price_new']= pd.cut(app.price,bins ,right=False,labels=labels)
app.head(20)

image-20221021150347771

# 分组后查看数据分布情况# `df.groupby(列标签, ...).列标签.聚合函数()`按指定列分组,并对分组 数据的相应列进行相应的 聚合操作
app.groupby('price_new')['price'].describe()

image-20221021150413835

# 查看不同类别app价格如何分布的
app.groupby('prime_genre')['price'].describe()

image-20221021150439960

# 删除价格大于49.99的app数据
app = app[app['price']<=49.99]
app.head()

image-20221021150521643

# 利用app所有版本的评分数量对数据进行分组
app.rating_count_tot.describe()

image-20221021150557118

4.业务数据可视化

import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

# app 评分关系# height:关键字来控制图片高度 # aspect:控制宽高比例
sns.relplot(x='prime_genre', y='user_rating', kind='line', data=app, height=5, aspect=3)# 将 x 轴文字旋转45度
plt.xticks(
    rotation=45,
    horizontalalignment='right',
    fontweight='light',
    fontsize='x-large')

image-20221021150709840

# c查看价格小于9.99元的app价格分布
plt.figure(figsize=(20,8))#筛选出price<=9.99的app数据
app_result = app[app['price']<=9.99]
sns.displot(app_result['price'])

image-20221021150748940

# 查看不同类别的收费APP的价格分布
plt.figure(figsize=(20,8))
sns.boxplot(x='price', y='prime_genre', data=app[app['paid']==1])
plt.yticks(fontweight='light', fontsize='x-large')

image-20221021150829222

# 查看数量最多的前 5 个类别收费 App 的价格分布# 筛选出数量最多的前 5 类 App 的数据
top5 = app.groupby('prime_genre')['price'].count().sort_values(ascending=False).head()
app5 = app[app.prime_genre.isin(top5.index)]# 绘制箱线图
plt.figure(figsize=(20,8))
sns.boxplot(x='price', y='prime_genre', data=app5[app5['paid']==1])

image-20221021150854840

# 查看 App 数据中价格和用户评分的关系,绘制散点图
plt.figure(figsize=(20,8))
sns.scatterplot(x='price', y='user_rating', data=app)

image-20221021150924992

# 同一类别,将免费和付费的评分进行对比
plt.figure(figsize=(20,8))
sns.barplot(x='prime_genre', y='user_rating', data=app5, hue='paid')

image-20221021151001070

5.业务解读

  • 业务问题1:免费或收费 App 集中在哪些类别?

#第一步:将数据统计出每个类别有多少个app#第二步:从高到低进行排列#第三步:将数据进行可视化

plt.figure(figsize=(20,8))#参数 order指定数据显示的顺序
sns.countplot(y='prime_genre',data=app,
                order=app['prime_genre'].value_counts().index,hue='paid')

image-20221021151127161

  • 业务问题2:免费与收费的 App 在不同评分区间的分布?

#将评分进行分箱,查看落入不同箱中应用的数量
bins =[0,0.5,2.5,4.5,5.1]
app['rating_level']= pd.cut(app.user_rating,bins,right=False)
app.groupby('rating_level')['user_rating'].describe()

image-20221021151212803

py# 数据可视化
plt.figure(figsize=(20,8))
sns.countplot(x='paid',data=app,hue='rating_level')

image-20221021151250535

  • 业务问题3:APP的价格、大小和用户评分之间有关系吗?

# 通过corr计算APP的价格,大小和用户评价之间的关系
app[['user_rating','price','size_mb']].corr()

image-20221021151334399

# 通过热力图来查看变量之间两两的相关系数
plt.figure(figsize=(20,8))
sns.heatmap(app[['user_rating','price','size_mb']].corr())

image-20221021151408947

案例二: 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:
字段说明

store_id

门店随机id

city

城市

channel

销售渠道:网购自提、门店购买

gender_group

客户性别:男、女

age_group

客户年龄段

wkd_ind

购买发生的时间:周末、周间

product

产品类别

customer

客户数量

revenue

销售金额

order

订单数量

quant

购买产品的数量

unit_cost

成本(制作+运营)

2.加载数据

# 加载数据#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import pandas as pd
uniqlo = pd.read_csv('./data/uniqlo.csv')
uniqlo

image-20221021151712579

# 查看数据的字段信息
uniqlo.info()

image-20221021151750758

#查看非空
uniqlo.shape

(22293,12)
# 查看数据字段的统计信息
uniqlo.describe()

image-20221021151833693

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

image-20221021152109369

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

image-20221021152150830

3. 业务解读

  • 不同产品的销售情况

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

image-20221021152256587

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

image-20221021152335831

py# 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)

image-20221021152403525

# 对城市拆解后,在进一步按下上线拆解
uniqlo.pivot_table(values='quant',
                  index='product',
                  columns=['city','channel'],
                  aggfunc='sum')

image-20221021152425775

  • 用户习惯使用哪种方式进行消费

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

image-20221021152457214

y#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)

image-20221021152525782

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

image-20221021152559773

  • 用户消费习惯(周间还是周末)

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

image-20221021152645046

# 通过数据透视表,查看不同城市周间,周末销售情况
wkd_sales = uniqlo.pivot_table(values='quant',index='wkd_ind',
                              columns='city',aggfunc='sum')
wkd_sales

image-20221021152711517

# 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

image-20221021152749049

  • 销售额和成本之间的关系

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

image-20221021152831867

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

image-20221021152905873

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

image-20221021152939895

# 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()

image-20221021153000330

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

image-20221021153026009


本文转载自: https://blog.csdn.net/qq_45588318/article/details/127447517
版权归原作者 呆猛的呆呆小哥 所有, 如有侵权,请联系我们删除。

“Python+大数据-数据分析与处理(六)-综合案例”的评论:

还没有评论