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
import pandas as pd
app = pd.read_csv('./data/applestore.csv',index_col=0)
app
app.info()
app.describe()
app.shape
(7197, 10)
app['size_mb'] = app['size_bytes']/(1024*1024)
app
app.size_mb.describe()
app['paid'] = app['price'].apply(lambda x : 1 if x>0 else 0)
app
app['paid'].value_counts()
3.单变量分析
app.price.value_counts()
bins = [0,2,10,30]
labels=[',',']
app['price_new'] = pd.cut(app.price,bins ,right=False,labels=labels)
app.head(20)
app.groupby('price_new')['price'].describe()
app.groupby('prime_genre')['price'].describe()
app = app[app['price'] 49.99]
app.head()
app.rating_count_tot.describe()
4.业务数据可视化
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
sns.relplot(x='prime_genre', y='user_rating', kind='line', data=app, height=5, aspect=3)
plt.xticks(
rotation=45,
horizontalalignment='right',
fontweight='light',
fontsize='x-large'
)
plt.figure(figsize=(20,8))
app_result = app[app['price']9.99]
sns.displot(app_result['price'])
plt.figure(figsize=(20, 8))
sns.boxplot(x='price', y='prime_genre', data=app[app['paid']==1])
plt.yticks(fontweight='light', fontsize='x-large')
top5 = app.groupby('prime_genre')['price'].count().sort_values(ascending=False).head()
app5 = app[app.prime_genre.isin(top5.index)]
plt.figure(figsize=(20, 8))
sns.boxplot(x='price', y='prime_genre', data=app5[app5['paid']==1])
plt.figure(figsize=(20, 8))
sns.scatterplot(x='price', y='user_rating', data=app)
plt.figure(figsize=(20, 8))
sns.barplot(x='prime_genre', y='user_rating', data=app5, hue='paid')
5.业务解读
- *业务问题1:免费或收费 App 集中在哪些类别?
plt.figure(figsize=(20,8))
sns.countplot(y='prime_genre',data=app,
order=app['prime_genre'].value_counts().index,hue='paid')
- *业务问题2:免费与收费的 App 在不同评分区间的分布?
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()
py
plt.figure(figsize=(20,8))
sns.countplot(x='paid',data=app,hue='rating_level')
- *业务问题3:APP的价格、大小和用户评分之间有关系吗?
app[['user_rating','price','size_mb']].corr()
plt.figure(figsize=(20,8))
sns.heatmap(app[['user_rating','price','size_mb']].corr())
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
import pandas as pd
uniqlo = pd.read_csv('./data/uniqlo.csv')
uniqlo
uniqlo.info()
uniqlo.shape
(22293, 12)
uniqlo.describe()
uniqlo[uniqlo.revenue<1]
uniqlo[uniqlo.revenue>5000]
3. 业务解读
- *不同产品的销售情况
uniqlo.groupby('product')['order'].sum().sort_values(ascending=False)
uniqlo.groupby('product')['quant'].sum().sort_values(ascending=False)
py
uniqlo.pivot_table(values='quant',
index='product',
columns='city',
aggfunc='sum').sort_values('上海',ascending=False)
uniqlo.pivot_table(values='quant',
index='product',
columns=['city','channel'],
aggfunc='sum')
- *用户习惯使用哪种方式进行消费
uniqlo.groupby('channel').order.sum()
y
uniqlo.pivot_table(index='city',columns='channel',
values='order',aggfunc='sum').sort_values('线上',ascending=False)
uniqlo.pivot_table(values='quant',index='city',
columns='channel',aggfunc='sum')
- *用户消费习惯(周间还是周末)
uniqlo.wkd_ind.value_counts()
wkd_sales = uniqlo.pivot_table(values='quant',index='wkd_ind',
columns='city',aggfunc='sum')
wkd_sales
wkd_sales.loc['weekday_avg',:]= wkd_sales.loc['Weekday',:] /5
wkd_sales.loc['weekend_avg',:]= wkd_sales.loc['Weekend',:] /2
wkd_sales
- *销售额和成本之间的关系
uniqlo[['revenue','unit_cost']].corr()
y
uniqlo.unit_cost.value_counts()
uniqlo2 = uniqlo[uniqlo.revenue>1]
uniqlo2.head()
uniqlo2['rev_per_goods'] = uniqlo2['revenue'] / uniqlo2['quant']
uniqlo2[['rev_per_goods','unit_cost']].corr()
p
sns.heatmap(uniqlo2[['rev_per_goods', 'unit_cost']].corr())
Original: https://blog.csdn.net/qq_45588318/article/details/127447517
Author: 呆猛的呆呆小哥
Title: Python+大数据-数据分析与处理(六)-综合案例
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/725162/
转载文章受原作者版权保护。转载请注明原作者出处!