Python数据分析与可视化典型项目实战（微课版）课件 模块六 订单数据分析.pptx

模块六订单数据分析Python数据分析与可视化典型项目实战（微课版）

【任务描述】Excel文件“order_report.xlsx”共有28010行、7列数据，列名分别为：订单编号、总金额（即订单总金额）、实际支付金额（即在已付款的情况下为总金额与退款金额之差；在未付款的情况下则为0）、收货地址（即各个省市区）、订单创建时间（即下单时间）、订单付款时间（即付款时间）、退款金额（即付款后申请退款的金额，如未付过款，退款金额为0）。针对该数据集完成以下数据分析与可视化操作。（1）计算总体转化率与单一环节转化率。（2）绘制总体转化率漏斗图与单一环节转化率漏斗图。（3）绘制按日统计的订单数量趋势折线图。（4）绘制销量区域分布的柱形图。（5）绘制全国各地区订单数分布地图。【任务实现】在JupyterNotebook开发环境中创建tc06-01.ipynb，然后在单元格中编写代码并输出对应的结果。【任务6-1】订单数据分析

订单数据分析1．导入模块importdatetime2．提取数据df=pd.read_excel(r.\data\order_report.xlsx)df.head()

订单数据分析3．数据清洗查看数据集的列名df.columns输出结果：Index([订单编号,总金额,实际支付金额,收货地址,订单创建时间,订单付款时间,退款金额],dtype=object)通过info()函数查看数据各字段的详细信息()输出结果：

订单数据分析数据重复值、缺失值处理重复值统计输出结果：0df.duplicated().sum()缺失值统计输出结果：df.isnull().sum()对于缺失值，订单付款时间缺失3923个，因为实际支付金额未缺失，所以订单付款时间缺失值可以不做处理，也可以填充“0”。

订单数据分析4．绘制总体转化率漏斗图与单一环节转化率漏斗图统计各字段数量dict_convs=dict()key=总订单数dict_convs[key]=len(df)key=付款订单数#订单付款时间不为空的，表示付过款df_payed=df[df[订单付款时间].notnull()]dict_convs[key]=len(df_payed)key=到款订单数#实际支付金额=总金额-退款金额（在已付款的情况下）#实际支付金额不为0的，说明订单商家收到货款df_trans=df_payed[df_payed[实际支付金额]!=0]dict_convs[key]=len(df_trans)key=全额到款订单数

订单数据分析#在付款订单中，退款金额为0的，说明没有退款，表示全额收款df_trans_full=df_payed[df_payed[退款金额]==0]dict_convs[key]=len(df_trans_full)len(df_trans_full)df_convs=pd.Series(dict_convs,name=订单数).to_frame()df_convs计算总体转化率name=总体转化率total_convs=df_convs[订单数]/df_convs.loc[总订单数,订单数]*100df_convs[name]=total_convs.apply(lambdax:round(x,0))绘制总体转化率漏斗图name=总体转化率funnel=Funnel().add(series_name=name,data_pair=[list(z)forzinzip(df_convs.index,df_convs[name])],

订单数据分析is_selected=True,label_opts=opts.LabelOpts(position=inside))funnel.set_series_opts(tooltip_opts=opts.TooltipOpts(formatter={a}br/{b}:{c}%))funnel.set_global_opts(title_opts=opts.TitleOpts(title=name),)funnel.render_notebook()计算单一环节转化率name=单一环节转化率single_convs=df_convs[订单数].shift()#默认下移一位df_convs[name]=single_convs.fillna(df_convs