电商交易数据分析.pdfVIP

电商交易数据分析 ⼀、数据描述 1.1数据集描述 数据集为某电商平台2016年⼀整年的交易数据，数据包含104557条数据，10个字段。 1.2数据展 ⼆、问题提出 1、各个⽉的订单数是否均衡？ 2、在不同价格段之间的商品销售情况？ 3、在不同时间段下单情况如何？ 三、数据清洗和预处理 3.1缺失值处理 df.isnull().sum(axis=0) # 查看缺失值 orderId 0 userId 0 productId 0 cityId 0 price 0 payMoney 0 channelId 8 deviceType 0 createTime 0 payTime 0 deviceName 87 dtype: int64 发现 deviceName 有87个缺失值，⽽ deviceType 没有缺失值，看⼀下 deviceType 的取值分布： df[deviceType].value_counts() 2 52448 3 42948 1 7054 4 2017 6 87 5 3 Name: deviceType, dtype: int64 发现这⼀列有类别为6的值，数量刚好为87，⽽设备信息⽂件并没有6这个类别，怀疑是信息填错了，将其重新归类为5，同时将 deviceName 的缺失值⽤other进⾏填充： df[deviceType].replace({6: 5}, inplace = True) df.fillna({deviceName : other}, inplace=True) 还有⼀列有8个缺失值，数据占⽐较少，我们直接将其删除： df.dropna(inplace=True) df.isnull().sum(axis=0) orderId 0 userId 0 productId 0 cityId 0 price 0 payMoney 0 channelId 0 deviceType 0 createTime 0 payTime 0 deviceName 0 dtype: int64 删除缺失值之后，再来看⼀下数据集的⼤⼩： df.shape (104549, 11) 3.2异常值处 可以通过数据概况初步探索异常值： df.describe() 根据上⾯的结果可以看出 productId 最⼩值是0，payMoney 有负值，这明显是不合理的，我们需要对其进⾏处理。 ⾸先看看 productId 值为0的数量，数量较少的话直接删除： df.productId[(df.productId == 0)].size 177 # 177条记录，数量不多，直接删掉 df.drop(index=df[df.productId==0].index, inplace=True) 对于 payMoney 存在负值的记录，直接将其删除： df.productId[(df.payMoney 0)].size 6 # 只有6条记录，直接删除 df.drop(index=df[df.payMoney 0].index, inplace=True) 再看⼀下这两列值的情况： df[[ productId, payMoney]].describe() productId payMoney count 104366.000000 1.043660e+05 mean 505.417626 8.690449e+04 std 287.629531 9.075357e+04 min 1.000000 0.000000e+00 25% 255.000000 3.360000e+04 50% 508.000000 5.500000e+04 75% 759.000000 1.040000e+05 max 1000.000000 2.294200e+06 四、各变量相关性数据分析与可视化 4.1总体情况分析