数据分析初阶——各变量初步探索（1）

本分析数据集采用Kaggle的E-commerce data。

数据分析思路：Kaggle-Customer Segmentation

数据导入详见：数据分析初阶——数据导入

数据初步处理详见：数据分析初阶——数据初步处理

---

1. 各变量初步探索

在进行数据分析前，需要先对各个字段做简单的了解。

InvoiceNo：订单号。如果在单号前有加C，意思是这个订单是一个取消订单。

StockCode：商品代码。如果是同一商品则是唯一的。

Description：商品描述。

Quantity：订单商品数量。

InvoiceDate：订单日期。

UnitPrice：商品单位价格。

CustomerID：客户ID。

Country：客户所在国家。

 

1.1 国家

SELECT Country,count(*) FROM ecom.data
GROUP BY Country

对Country计数，结果如下：

表1 订单国籍分布计数（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，英国的订单占比最高，其次是德国。

 

1.2 顾客和产品

根据字段的描述，我们可以通过计数来计算产品、顾客和总订单数。

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，本数据集包括产品3684项，顾客4372名，一共22190个订单。

接下来我们以顾客和订单号进行分组并排序。

SELECT
	CustomerID,
    InvoiceNo,
	count(InvoiceDate) AS 'Number of products'
FROM ecom.data
GROUP BY CustomerID , InvoiceNo
ORDER BY CustomerID

我们能得出以下结果。

CustomerID	InvoiceNo	Number of products
12346	541431	1
12346	C541433	1
12347	537626	31
12347	542237	29
12347	549222	24
...	...	...

从上面我们能看出：

（1）有顾客是只买一次商品的；

（2）其他顾客一般都买超过10次的商品。

 

1.2.1 关于取消的订单

我们先计算出取消订单的基本情况。

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

结果如下：

CustomerID	InvoiceNo	Number of products	Cancel Number of products
12346	541431	1	0
12346	C541433	1	1
12347	537626	31	0
12347	542237	29	0
12347	549222	24	0
12352	C547388	7	7
...	...	...	...

然后我们对其进行汇总计算：

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

可得：

Count Number of Invoice	Count Cancel Number of Invoice	Percentage
3654	22190	16.4669

由此可知，大约有16.5%的订单是被取消掉的。

 

关于如何使用有条件的COUNT

如果要使用有条件的count函数，我们一般采取以下三种方法：（原理详见：Mysql中使用count加条件统计 ——AlbertS）

select count(字段 条件 or null) from 表格;

select
count(if(字段 条件, 1, null))
from 表格;

select
count(case when 字段 条件 
    then 1 
    end)
from 表格