本分析資料集採用kaggle的e-commerce data。
資料分析思路：kaggle-customer segmentation
資料匯入詳見：資料分析初階——資料匯入
資料初步處理詳見：資料分析初階——資料初步處理
在進行資料分析前，需要先對各個欄位做簡單的了解。
invoiceno：訂單號。如果在單號前有加c，意思是這個訂單是乙個取消訂單。
stockcode：商品**。如果是同一商品則是唯一的。
description：商品描述。
quantity：訂單商品數量。
invoicedate：訂單日期。
unitprice：商品單位**。
customerid：客戶id。
country：客戶所在國家。
select country,count(*) from ecom.data
group by country
表1 訂單國籍分布計數（部分）
country
united kingdom
germany
france
eire
spain
netherlands
belgium
switzerland
...count
361878
9495
8491
7485
2533
2371
2069
1877
...percentage
88.95%
2.33%
2.09%
1.84%
0.62%
0.58%
0.51%
0.46%
...由上可知，英國的訂單佔比最高，其次是德國。
根據欄位的描述，我們可以通過計數來計算產品、顧客和總訂單數。
select
count(distinct stockcode) as products ,
count(distinct invoiceno) as transactions ,
count(distinct customerid) as customers
from ecom.data
products
transactions
customers
count
3684
22190
4372
由上可知，本資料集包括產品3684項，顧客4372名，一共22190個訂單。
接下來我們以顧客和訂單號進行分組並排序。
select
customerid,
invoiceno,
count(invoicedate) as 'number of products'
from ecom.data
group by customerid , invoiceno
order by customerid
customerid
invoiceno
number of products
12346
541431
112346
c541433
112347
537626
3112347
542237
2912347
549222
24...
......
從上面我們能看出：
（1）有顧客是只買一次商品的；
（2）其他顧客一般都買超過10次的商品。
1.2.1 關於取消的訂單
我們先計算出取消訂單的基本情況。
select
customerid,
invoiceno,
count(invoicedate) as 'number of products' ,
case when invoiceno like 'c%'
then count(invoicedate)
else 0
end as 'cancel number of products'
from ecom.data
group by customerid , invoiceno
order by customerid
customerid
invoiceno
number of products
cancel number of products
12346
54143110
12346
c54143311
12347
537626310
12347
542237290
12347
549222240
12352
c54738877
......
......
然後我們對其進行彙總計算：
select
count(cnop >= 1 or null) as 'count cancel number of invoice',
count(nop) as 'count number of invoice',
(count(cnop >= 1 or null)/count(nop))*100 as percentage
from(
select
customerid,
invoiceno,
count(invoicedate) as 'nop' ,
case when invoiceno like 'c%'
then count(invoicedate)
else 0
end as 'cnop'
from ecom.data
group by customerid , invoiceno
order by customerid) t
count number of invoice
count cancel number of invoice
percentage
3654
22190
16.4669
由此可知，大約有16.5%的訂單是被取消掉的。
如果要使用有條件的count函式，我們一般採取以下三種方法：（原理詳見：mysql中使用count加條件統計 ——alberts）
select count(字段 條件 or null) from **;select
count(if(字段 條件, 1, null))
from **;
select
count(case when 字段 條件
then 1
end)
from **
資料分析 資料探索 EDA
eda的定義 對已有的資料 特別是調查或觀察得來的原始資料 在盡量少的先驗假定下進行探索，通過作圖 製表 方程擬合 計算特徵量等手段探索資料的結構和規律的一種資料分析方法，它集中於檢查模型擬合和假設檢驗所需的假設，以及處理缺少的值，並根據需要進行變數轉換。資料屬性分布分析 概率密度分析 資料分布 資...
Python資料分析專題 資料探索分析
資料探索 2.統計分析 抽樣2.2 點估計與置信區間 2.3 概率分布 2.4 檢驗 2.5 卡方檢驗 2.6 anova 2.7 ab測試 2.8 態分布 按資料型別選分析方式 3.估計 se.mean axis 1 求行的均值 se.median plt.vlines se.mean ymin ...
1 資料分析
資料分析 1.資料分析定義 2.資料分析的作用 3.資料分析的基本步驟 3.1明確分析目的和思路 3.2資料收集 3.3資料處理 3.4資料分析 過程中的重點，必須確保正確 3.5資料展現 3.6報告撰寫 4.資料分析行業前景 4.1蓬勃發展的趨勢 4.2資料分析師職業要求 5.隨著科技發展帶來的挑...