本内容涵盖了Tableau的基础操作，如数据链接、图形展示、地图分析和计算等，以及作业讲解，包括筛选、日期计算等。还介绍了电商数据分析案例，涉及国家销量、客单价和RFM模型等，通过数据清洗、建模和可视化揭示用户行为。
今日课程内容
-
内容回顾
-
作业讲解
-
Tableua的参数
- 动态参考线
- 图表数据切换
- 日期切换
- 图表切换
-
电商的数据分析案例
- 筛选月份较佳数据
- 客单价
- 客户行为分析-RFM
今日内容详细
内容回顾
1.Tableua的基本操作
a.链接数据源
b.文件栏的使用(左边)
c.中间： 标识 (颜色、大小、标签、详细信息、工具提示)
筛选框的使用
d.基本图形展示
条形图
e.地图分析
地理角色
地图层
中国领土不可分割
2.Tableua的构建图形
a.表格
修改标签文本为指定列名
多个数据的展示：度量名称、度量值
b.条形图
c.折线图
d.饼图
e.空心饼图
f.树状图
g.热图
h.直方图-(数据桶)
i.靶心图
j.气泡图
k.文字云
l.盒须图
...
3.Tableua的计算
聚合函数
if...else
case...when
ifnull
字符串
日期
作业讲解
1.利用contains函数，筛选出包含'白'的名字
2.计算出生的天数
定义新的字段：出生日期
3.计算城市发货的天数
DATEDIFF 计算发货日期与订单日期之间的差值
4.给定时间，计算所在季度的天数
step1.获得该日期所在的季度(DATETRUNC)
step2.用下一季度的时间，减去这个季度的时间(DATEDIFF)
Tableua的参数
1、动态参考线
step1：创建参数，作为参考线的值（浮点）
step2：将参考线与参数结合
step3：颜色分层
2、图表数据切换
step1：字符串-列表类型
step2：
划分成指定的数据
1 利润
2 销售额
3 数量
...
step3：
设置
3、日期数据切换
将日期以年、月、日的形式进行筛选
step1：创建年、月、日
step2：创建参数：
1 年
2 月
3 日
step3：设置为精确日期
4、图表切换
step1:创建参数
1 地图分析
2 产品分析
3 地区分析
step2：
通过筛选器，进行操作
电商数据案例
'''
数据的来源：
某英国的kaggle电商公司的数据，主要产品是零售批发
数据的字段
InvoiceNo： 订单号
StockCode： 商品编号
Description： 商品描述
Quantity： 数量
InvoiceDate 日期
UnitPrice 单价
CustomerID 客户id
Country 国家
分析的需求？
1.购买商品数前十的国家是？
2.交易额前十的国家是？
3.哪些月份销量较佳？
4.客单价多少？
5.用户消费行为分析
'''
'''
数据分析的基本步骤
1、加载数据
2、观察数据
3、数据处理：数据清洗
4、建模（完成KPI）
5、可视化
6、总结报告
'''
import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['FangSong']
print('----------------step1：加载数据----------------')
df = pd.read_csv('data.csv', dtype=object)
print('----------------step2：观察数据----------------')
print('列名：\n', df.columns)
print()
print('数据类型：\n',df.dtypes)
print()
print('形状：\n',df.shape)
print()
print('索引：\n', df.index)
print()
print('非空统计-计数：\n', df.count())
print()
# 一般无效，数据的类型没有做转换，所以一般先对数据进行清洗
# print('描述性统计：\n', df.describe())
# print()
print('前5条数据：\n', df.head())
print()
print('数据的基本信息：\n',df.info())
'''
通过数据观察，初步了解以下问题
问题：
1、数据类型有问题
2、数据存在缺失值
3、数据有异常(有负数的数据，退货数据，不需要去分析)
4、缺少金额一列
'''
print('----------------step3：数据处理-数据清洗----------------')
'''
一般在做数据分析前，需要对数据进行处理操作，保证数据的准确性
数据清洗主要包括：
1、缺失值处理
2、异常值处理
3、重复值处理
4、子集的选择
5、类型的转换
6、重命名
7、数据排序
8、字段统一化
'''
'''
1、缺失值处理
'''
df.dropna(inplace=True)
'''
2、类型转换
'''
df['Quantity'] = df['Quantity'].astype(float)
df['UnitPrice'] = df['UnitPrice'].astype(float)
df['InvoiceDate'] = pd.to_datetime(df['InvoiceDate'])
'''
3、异常值处理：去除负数的数据
'''
df = df[ df['Quantity']>=0 ]
print(df.describe())
'''
4、重命名：不需要
df.rename(columns={旧名:新名...})
'''
'''
5、排序
'''
df.sort_values(by='InvoiceDate', inplace=True, ignore_index=True)
'''
6、子集的选择
'''
df['money'] = df['Quantity']*df['UnitPrice']
print(df.head())
'''
7、字段统一化
usa USA 是同一个国家，但是不进行同一化处理，会影响结果
USA
USA
apply(处理函数)
处理函数：去除前后空格，全部转换成大写
'''
df['Country'] = df['Country'].str.upper()
df['Country'] = df['Country'].str.strip()
print(df['Country'])
# 先拷贝元数据
kpi_df = df.copy()
# print('----------------step4：建模，完成KPI----------------')
# plt.figure('kaggle电商数据分析', figsize=(6.4*1.5,4.8*1.5))
# # 封装代码
# def kpi(column, i, kpi_title):
# # kpi1:购买商品数前十的国家是？
# kpi1_data = kpi_df.groupby(by='Country')[[column]].sum()
# kpi1_data.sort_values(by=column, ascending=False,inplace=True)
# top_ten_quantity = kpi1_data[:10]
# print(top_ten_quantity)
# plt.subplot(2,2,i)
# plt.title(kpi_title)
# if i in [1,3]:
# plt.xlabel('国家', fontsize=10)
# plt.ylabel('数量', fontsize=10)
# plt.xticks(rotation=90)
# plt.bar(top_ten_quantity.index, top_ten_quantity[column])
# else:
# plt.xlabel('数量', fontsize=10)
# plt.ylabel('国家', fontsize=10)
# plt.barh(top_ten_quantity.index, top_ten_quantity[column])
#
# kpi('Quantity',1,'购买商品数前十的国家是？')
# kpi('Quantity',2,'购买商品数前十的国家是？')
# kpi('money', 3, '交易额前十的国家是？')
# kpi('money', 4, '交易额前十的国家是？')
# plt.show()
# # kpi2：交易额前十的国家是？
# # kpi3：哪些月份销量较佳？
# print('==============================3.哪些月份销量较佳？==================================')
# kpi3_data = kpi_df.groupby(by=df['InvoiceDate'].dt.month)[['Quantity']].sum()
# kpi3_data.sort_values(by='Quantity', ascending=False,inplace=True)
# print(kpi3_data)
#
# # 4.客单价多少？
# # 计算出总的客户
# # 计算出总的金额
# print('==============================4.客单价多少？==================================')
# new_df = kpi_df.drop_duplicates('CustomerID')
# total_ct = new_df['CustomerID'].count()
# print('总的客户量：',total_ct)
# total_money = kpi_df['money'].sum()
# print('总的金额：', total_money)
# print('KPI4 客单价：',(total_money/total_ct))
print('==============================5.用户消费行为分析==================================')
# RFM模型
'''
R：最近一次消费日期
'''
import datetime
print('============================R==========================')
R_DATA = kpi_df.groupby(by='CustomerID')[['InvoiceDate']].max()
R_DATA['天数'] = datetime.datetime.today()- R_DATA['InvoiceDate']
# step1：计算组距
max_time = R_DATA['天数'].max()
min_time = R_DATA['天数'].min()
R_ZJ = (max_time-min_time)/5
team1 = (min_time, min_time+R_ZJ)
team2 = (min_time+R_ZJ ,min_time+2*R_ZJ)
team3 = (min_time+2*R_ZJ, min_time+3*R_ZJ)
team4 = (min_time+3*R_ZJ, min_time+4*R_ZJ)
team5 = (min_time+4*R_ZJ, max_time)
R_DATA.loc[(R_DATA['天数']>=team1[0]) & (R_DATA['天数']<team1[1]), 'R'] = 5
R_DATA.loc[(R_DATA['天数']>=team2[0]) & (R_DATA['天数']<team2[1]), 'R'] = 4
R_DATA.loc[(R_DATA['天数']>=team3[0]) & (R_DATA['天数']<team3[1]), 'R'] = 3
R_DATA.loc[(R_DATA['天数']>=team4[0]) & (R_DATA['天数']<team4[1]), 'R'] = 2
R_DATA.loc[(R_DATA['天数']>=team5[0]) & (R_DATA['天数']<=team5[1]), 'R'] = 1
R_DATA['R_S'] = R_DATA['R'].mean()
R_DATA.loc[R_DATA['R']>=R_DATA['R_S'],'R价值评估'] = '高'
R_DATA.loc[R_DATA['R']<R_DATA['R_S'],'R价值评估'] = '低'
R_DATA['客户'] = R_DATA.index
'''
F：消费频率
'''
print('============================F==========================')
F_DATA = kpi_df.groupby(by='CustomerID')[['CustomerID']].count()
max_ci = F_DATA['CustomerID'].max()
min_ci = F_DATA['CustomerID'].min()
F_ZJ = (max_ci-min_ci)/5
team1 = (min_ci, min_ci+F_ZJ)
team2 = (min_ci+F_ZJ ,min_ci+2*F_ZJ)
team3 = (min_ci+2*F_ZJ, min_ci+3*F_ZJ)
team4 = (min_ci+3*F_ZJ, min_ci+4*F_ZJ)
team5 = (min_ci+4*F_ZJ, max_ci)
F_DATA.loc[(F_DATA['CustomerID']>=team1[0]) & (F_DATA['CustomerID']<team1[1]),'F'] = 1
F_DATA.loc[(F_DATA['CustomerID']>=team2[0]) & (F_DATA['CustomerID']<team2[1]),'F'] = 2
F_DATA.loc[(F_DATA['CustomerID']>=team3[0]) & (F_DATA['CustomerID']<team3[1]),'F'] = 3
F_DATA.loc[(F_DATA['CustomerID']>=team4[0]) & (F_DATA['CustomerID']<team4[1]),'F'] = 4
F_DATA.loc[(F_DATA['CustomerID']>=team5[0]) & (F_DATA['CustomerID']<=team5[1]),'F'] = 5
F_DATA['F_S'] = F_DATA['F'].mean()
F_DATA.loc[F_DATA['F']>=F_DATA['F_S'],'F价值评估'] = '高'
F_DATA.loc[F_DATA['F']<F_DATA['F_S'],'F价值评估'] = '低'
F_DATA['客户'] = F_DATA.index
'''
M：消费金额
'''
print('============================M==========================')
M_DATA = kpi_df.groupby(by='CustomerID')[['money']].sum()
max_money = M_DATA['money'].max()
min_money = M_DATA['money'].min()
M_ZJ = (max_money-min_money)/5
team1 = (min_money, min_money+M_ZJ)
team2 = (min_money+M_ZJ ,min_money+2*M_ZJ)
team3 = (min_money+2*M_ZJ, min_money+3*M_ZJ)
team4 = (min_money+3*M_ZJ, min_money+4*M_ZJ)
team5 = (min_money+4*M_ZJ, max_money)
M_DATA.loc[(M_DATA['money']>=team1[0]) & (M_DATA['money']<team1[1]),'M'] = 1
M_DATA.loc[(M_DATA['money']>=team2[0]) & (M_DATA['money']<team2[1]),'M'] = 2
M_DATA.loc[(M_DATA['money']>=team3[0]) & (M_DATA['money']<team3[1]),'M'] = 3
M_DATA.loc[(M_DATA['money']>=team4[0]) & (M_DATA['money']<team4[1]),'M'] = 4
M_DATA.loc[(M_DATA['money']>=team5[0]) & (M_DATA['money']<=team5[1]),'M'] = 5
M_DATA['M_S'] = M_DATA['M'].mean()
M_DATA.loc[M_DATA['M']>=M_DATA['M_S'],'M价值评估'] = '高'
M_DATA.loc[M_DATA['M']<M_DATA['M_S'],'M价值评估'] = '低'
M_DATA['客户'] = M_DATA.index
rf_data = pd.merge(R_DATA,F_DATA)
RFM = pd.merge(rf_data, M_DATA)
NB_CUS = RFM[(RFM['R价值评估'] == "高") & (RFM['F价值评估'] == "高") & (RFM['M价值评估'] == "高")]
print('高价值客户')
print(NB_CUS)
扫一扫
2290
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
