电商订单数据可视化

在数字化商业浪潮中，电商平台如巨大的数据宝库，积累了海量订单数据。这些数据就像隐藏着消费趋势、客户行为密码的神秘档案，蕴含着推动企业发展的关键信息。通过科学的数据挖掘与分析，企业能精准洞察市场，优化运营策略、开展精准营销，进而提升客户价值，在激烈竞争中脱颖而出。本文基于Python，对电商订单数据展开从读取、预处理到可视化分析，再到客户聚类挖掘的全流程实践，带您深入挖掘数据价值，探寻电商业务增长的密钥 。
 
二、数据读取与环境准备
 
（一）库导入与环境配置
 
开启数据分析之旅，首先要搭建好“工具箱”。我们导入一系列Python库：
 
python   
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
from pyecharts.charts import *
from pyecharts import options as opts
import warnings
warnings.filterwarnings('ignore')  # 忽略警告信息
mpl.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文显示
mpl.rcParams['axes.unicode_minus'] = False
 
 
 pandas 如同数据处理的“瑞士军刀”，能高效整理、分析数据； numpy 为数值计算提供强力支撑，让复杂运算变得轻松； matplotlib 和 pyecharts 是数据可视化的“画笔”，可将枯燥数据转化为直观图表； warnings 则像“清洁工”，处理掉那些干扰我们的警告信息，让代码运行环境简洁清爽，专注于数据分析本身 。
 
（二）数据读取
 
有了工具，接下来获取“原料”——订单数据。借助 pandas 的 read_excel 函数，我们轻松读取订单数据文件 order2021.xlsx  。就像翻开一本新书，通过 head 方法查看前几行，快速了解数据结构：
 
python   
df = pd.read_excel('order2021.xlsx')
df.head()
 
 
订单顺序编号、订单号、用户名等11个字段依次呈现，这是我们后续分析的基础素材 。
 
三、数据预处理：保障分析质量的基石
 
（一）数据整体信息探查
 
要盖好数据分析的“房子”，得先摸清“地基”情况。通过 info 方法查看数据整体信息，了解每行的数据类型、非空值数量：
 
python   
df.info()
 
 
本数据有104557条记录、11个字段，下单时间和付款时间是 datetime64[ns] 类型，订单金额、付款金额为 float64 类型，订单顺序编号是 int64 类型，其余多为 object 类型，且无缺失值，初步判断数据质量不错，为后续分析筑牢基础 。
 
（二）重复值与异常值处理
 
1. 重复值检查
 
数据里若有重复记录，就像“双胞胎”数据，会干扰分析结果。利用 duplicated 方法结合 sum 函数检查：
 
python   
df.duplicated().sum()
 
 
结果为0，说明没有重复记录，无需去重，数据保持“独一无二” 。
 
2. 列名清洗
 
列名若有空格，后续操作易“踩坑”。用 str.strip 方法去除列名两端空格，让列名整洁规范，为后续分析扫清障碍：
 
python   
df.columns = df.columns.str.strip()
 
 
3. 异常值识别与处理
 
异常值如同数据里的“捣蛋鬼”，会歪曲分析结论。通过 describe 方法查看数值型字段（订单金额、付款金额）的统计描述，识别可能的异常值：
 
python   
df[['订单金额', '付款金额']].describe()
 
 
比如检查是否有小于0的值，这不符合实际业务逻辑。筛选出“是否退款”为“否”的用户数据进一步分析，发现付款金额存在异常负值，利用 abs 函数取绝对值，将其转换为正值，让数据回归“正轨”：
 
python   
data = df[df['是否退款'] == '否']
data['付款金额'] = data['付款金额'].abs()
 
 
四、数据可视化分析：洞察业务规律
 
（一）按渠道划分的收益分析
 
1. 数据聚合
 
不同销售渠道就像不同的“战场”，收益表现各异。对各渠道（渠道编号）的付款金额求和，按收益降序排序并重置索引，清晰呈现各渠道收益数据，找出“王牌渠道”：
 
python   
channel_revenue = data.groupby('渠道编号')['付款金额'].sum().sort_values(ascending=False).reset_index()
 
 
2. 可视化呈现
 
用 matplotlib 绘制柱状图，把不同渠道的总收益直观展示。设置标题、坐标轴标签，调整刻度旋转与布局，一眼看清各渠道收益差异。高收益渠道值得加大资源投放，为业务决策指明方向：
 
python   
plt.figure(figsize=(12, 4))
plt.title('不同渠道的总收益', fontsize=16)
plt.bar(channel_revenue['渠道编号'], channel_revenue['付款金额'])
plt.xlabel('渠道编号', fontsize=12)
plt.ylabel('渠道收益', fontsize=12)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
 
 
（二）按月份划分的收益分析
 
1. 时间字段处理
 
时间是分析收益规律的重要维度。提取付款时间的月份（数字与名称）作为新字段，为按月份聚合分析做准备，就像给时间“贴上标签”，方便分类统计：
 
python   
import calendar
data['付款月份'] = data['付款时间'].dt.month  # 提取付款月份（数字）
data['付款月份名称'] = [calendar.month_name[i] for i in data['付款时间'].dt.month]  # 提取付款月份名称
 
 
2. 数据聚合与可视化
 
按付款月份、付款月份名称聚合付款金额，绘制柱状图，展示每月收益情况。清晰呈现旺季、淡季月份，企业可据此在旺季加大推广，淡季策划促销活动，优化营销节奏：
 
python   
month_revenue = data.groupby(['付款月份', '付款月份名称'])['付款金额'].sum().reset_index()

plt.figure(figsize=(12, 4))
plt.title('Total Revenue by month', fontsize=16)
plt.bar(month_revenue['付款月份名称'], month_revenue['付款金额'])
plt.xlabel('Month', fontsize=12)
plt.ylabel('Revenue', fontsize=12)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
 
 
（三）按每天小时划分的收益分析
 
1. 时间字段细化处理
 
进一步挖掘时间价值，提取付款时间的小时、星期几（名称），让时间维度更细致。这就像把一天24小时、一周7天拆解成一个个“时间碎片”，深入分析消费行为：
 
python   
data['付款小时'] = data['付款时间'].dt.hour  # 提取付款小时
data['付款天数名称'] = data['付款时间'].dt.day_name()  # 提取付款天数名称（星期几）
 
 
2. 数据聚合与初步查看
 
按付款天数名称、付款小时聚合付款金额，重置索引并重命名列，查看聚合后的数据。了解不同星期几、不同小时的收益分布，发现那些“黄金时段”，比如周末晚上某时段收益高，背后可能是用户休闲购物的习惯：
 
python   
hourly_sales = data.groupby(['付款天数名称', '付款小时'])['付款金额'].sum().reset_index()
hourly_sales = hourly_sales.rename(columns={'付款金额': 'TotalValue'})
hourly_sales.head()
 
 
3. 数据切分与深入挖掘（可结合业务场景拓展）
 
将按小时聚合的数据按天切分，就像把一长串时间“项链”拆成一个个“时间珠子”（每天的24小时数据），深入分析每天不同时段的收益波动。结合 pyecharts 绘制折线图，展示每日每小时收益总额，直观发现：每天收益总额相近，晚上20时 - 22时是“收益高峰”，说明此时人们有更多时间和购物意愿，企业可针对性推出限时优惠，抓住消费时机：
 
python   
split_dfs = []
num_groups = len(hourly_sales) // 24
for i in range(num_groups):
    start_index = i * 24
    end_index = start_index + 24
    split_df = hourly_sales.iloc[start_index:end_index]
    split_dfs.append(split_df)

# 以pyecharts绘制折线图示例（需完善数据适配）
line = Line()
line.add_xaxis(list(range(24)))
for i, split_df in enumerate(split_dfs[:5]):  # 取前5天示例
    line.add_yaxis(f'第{i + 1}天', split_df['TotalValue'].tolist(), is_smooth=True)
line.set_global_opts(title_opts=opts.TitleOpts(title='每日每小时收益总额'), 
                     xaxis_opts=opts.AxisOpts(name='小时'), 
                     yaxis_opts=opts.AxisOpts(name='收益'))
line.render_notebook()
 
 
五、消费群体画像LRFM与K - means聚类分析：精准定位客户
 
（一）LRFM模型构建基础
 
构建LRFM模型，挖掘客户价值维度：
 
- L（客户生命周期）：像一条“时间纽带”，连接客户最后一次购买与第一次购买的时间差，反映客户与品牌超市的长期关系和忠诚度，纽带越长，关系越持久 。
 
- R（最近一次消费）：体现客户“新鲜度”，时间越近，客户越活跃；太久没消费，可能已流失 。
 
- F（消费频率）：频率越高，客户“忠诚度勋章”越多，对品牌依赖度高 。
 
- M（消费金额）：是客户价值的“硬指标”，金额越大，用户越重要 。
 
传统RFM模型引入L维度，能更全面洞察客户关系。长期客户有高复购、高忠诚潜力，短期客户需激活，优化营销资源分配 。
 
（二）聚类分析：划分客户群体
 
1. 数据标准化处理
 
数据就像“高矮胖瘦”不同的人，直接聚类会受数值差异影响。用 MinMaxScaler 对数据标准化，把数值映射到0 - 1区间，让不同维度数据“站在同一起跑线”，保障聚类结果准确：
 
python   
from sklearn.preprocessing import MinMaxScaler
# 假设LRFM数据存于LRFMdata，且需处理的列是第1 - 5列（根据实际调整）
scale_matrix = LRFMdata.iloc[:, 1:5]  
scaler = MinMaxScaler()
data_scaled = scaler.fit_transform(scale_matrix)
data_scaled = pd.DataFrame(data_scaled, columns=scale_matrix.columns).round(3)
print(data_scaled.head())
 
 
2. 构建K - means模型与确定聚类数
 
- SSE法“试错”：定义SSE列表存不同聚类数的误差平方和，遍历聚类数（1 - 10）构建模型，绘制折线图。像找“最陡拐点”，拐点处聚类数性价比高，初步缩小范围：
 
python   
from sklearn.cluster import KMeans
SSE = []
for i in range(1, 11):
    kmeans = KMeans(n_clusters=i, random_state=10)
    kmeans.fit(data_scaled)
    SSE.append(kmeans.inertia_)
plt.plot(range(1, 11), SSE, marker='o')
plt.xlabel('聚类数')
plt.ylabel('SSE')
plt.title('SSE - 聚类数折线图')
plt.show()
 
 
- 轮廓系数法“精准选”：在SSE法确定的范围（3 - 5）内，用轮廓系数选最优聚类数。轮廓系数越接近1，聚类效果越好。计算不同聚类数的平均轮廓系数，选最高的，确定最终聚类数，为精准聚类奠基：
 
python   
from sklearn.metrics import silhouette_score
score_list = []
silhouette_int = -1
for n_clusters in range(3, 6):
    model_kmeans = KMeans(n_clusters=n_clusters, random_state=10)
    labels_tmp = model_kmeans.fit_predict(data_scaled)
    silhouette_tmp = silhouette_score(data_scaled, labels_tmp)
    if silhouette_tmp > silhouette_int:
        silhouette_int = silhouette_tmp
        best_kmeans = model_kmeans
        cluster_labels_k = labels_tmp
    score_list.append([n_clusters, silhouette_tmp])
print('不同聚类数的轮廓系数：', score_list)
print('最优聚类数及对应轮廓系数：', 3, silhouette_int)  # 假设最优是3，实际根据计算调整
 
 
3. 聚类结果与客户画像
 
将聚类标签与原始数据合并，得到带聚类ID的客户数据。分析不同聚类中心的LRFM值，绘制客户特征雷达图：
 
python   
cluster_labels = pd.DataFrame(cluster_labels_k, columns=['Cluster_Id'])
merge_data = pd.concat([LRFMdata, cluster_labels], axis=1)
# 绘制雷达图代码（前文有完整示例，此处可复用）
r = pd.DataFrame(best_kmeans.cluster_centers_)  
labels = np.array(['F', 'M', 'R', 'L'])
labels = np.concatenate((labels, [labels[0]]))  
N = len(labels) 
angles = np.linspace(0, 2 * np.pi, N, endpoint=False)  
data = np.concatenate((r.iloc[0, :].values, [r.iloc[0, 0]]))  
angles = np.concatenate((angles, [angles[0]]))  

fig = plt.figure(figsize=(8, 8)) 
ax = fig.add_subplot(111, polar=True)
colors = ['#FF9966', '#66CCFF', '#99FF99', '#FFCC66']
line_styles = ['-', '--', '-.', ':']
for i in range(len(r)):
    data_i = np.concatenate((r.iloc[i, :].values, [r.iloc[i, 0]]))  
    ax.plot(angles, data_i, linewidth=2, linestyle=line_styles[i % len(line_styles)], label=f'客户群 {i}', color=colors[i % len(colors)])
    ax.fill(angles, data_i, color=colors[i % len(colors)], alpha=0.25)  
ax.set_thetagrids(angles * 180 / np.pi, labels, fontsize=12)  
ax.grid(True, linestyle='--', linewidth=0.5, alpha=0.5)  
plt.title('客户特征雷达图', fontsize=16, y=1.1)
plt.legend(loc='lower right', fontsize=12)
plt.show()
 
 
- 聚类1客户：L、R、F、M值有独特分布，可能是“忠诚高消费型”，长期活跃、消费频繁且金额大，是企业“核心资产”，需专属权益维护 。
 
- 聚类2客户：或许是“潜力培养型”，消费频率或金额有提升空间，可通过个性化推荐、优惠活动激活 。
 
- 聚类3客户：可能是“沉睡唤醒型”，长期未消费，需针对性召回策略，如专属优惠券、新品推送 。
 
六、总结与应用建议
 
（一）分析总结
 
通过全流程分析，我们：
 
- 清晰掌握数据质量，完成预处理，为分析筑牢基础 。
 
- 借助可视化，从渠道、时间（月、小时）维度洞察收益规律，找到高收益渠道、黄金消费时段 。
 
- 用LRFM模型结合K - means聚类，精准划分客户群体，勾勒不同群体特征 。
 
（二）应用建议
 
1. 运营策略优化
 
- 渠道管理：对高收益渠道加大资源投入，优化合作；对低收益渠道，分析原因，是推广不足还是受众不匹配，调整策略或逐步缩减 。
 
- 时间营销：在月收益旺季，提前备货、策划大型促销；在每日高收益时段（如20 - 22时），推出限时活动、直播带货，抓住消费高潮 。
 
2. 客户精准营销
 
- 核心客户（聚类1）：提供专属服务，如VIP客服、定制化产品，增强忠诚度与粘性 。
 
- 潜力客户（聚类2）：推送个性化推荐、阶梯式优惠（如消费满额升级权益），引导增加消费频率与金额 。
 
- 沉睡客户（聚类3）：发送召回短信、专属优惠券，附带新品或热门活动信息，唤醒消费意愿 。
 
3. 持续迭代优化
 
市场变化快，数据也在更新。定期重新分析数据，监控模型效果，根据业务变化调整分析维度（如引入新的营销活动、产品品类数据），让分析成果持续为业务增长赋能 。
 
总之，电商订单数据分析与客户聚类挖掘是一个持续探索、价值无限的过程。从数据中挖掘的规律与客户画像，能真正落地到运营、营销环节，就能为企业打造核心竞争力，在电商浪潮中乘风破浪，收获商业成功 。