[Python] 电商平台用户的购物篮分析

最新推荐文章于 2025-04-12 22:05:08 发布

原创

最新推荐文章于 2025-04-12 22:05:08 发布 · 4.4k 阅读

58 ·

CC 4.0 BY-SA版权

文章标签：

#python #数据分析

这篇博客通过Python对电商平台的购物数据进行分析，包括商品的日、月销售情况，购物篮系数计算，用户消费行为如初次购物时间、复购率和回购率等，旨在揭示用户购物习惯和商品人气指数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、背景

1. 项目描述

数据来源：https://www.kesci.com/home/project/5f4b17336476cf0036f7d40b/dataset

Python版本：3.7.1
Pycharm版本：社区版2019.2

2. 数据描述

字段名	解释
InvoiceNo	发票编号
StockCode	商品编号
Description	商品描述
Quantity	购买数量
InvoiceDate	发票日期
UnitPrice	每单位的价格
CustomerID	客户编号
Country	国家

二、相关模块

1. 相关模块

import pandas as pd
import numpy as np

import matplotlib.pyplot as plt
import seaborn as sns
import scipy.stats as sci
from pyecharts.charts import Bar
from pyecharts import options as opts
import pyecharts.charts as pyec

import warnings
warnings.filterwarnings("ignore")

2. 数据导入

# 显示所有行
pd.set_option('display.max_columns', 100)
pd.set_option('display.width', 500)
# 解决中文无法显示的问题
plt.rc('font', family='SimHei', size='12')

io = '.../online_retail.csv'
data = pd.read_csv(io, parse_dates=[4])
df = pd.DataFrame(data)

# 查看数据的描述性统计
print(df.head())
print(df.info())
print(df.describe())
print('数据共{}行'.format(df.shape[0]), '，共{}列'.format(df.shape[1]))
print(df.count())

输出结果如下：

  InvoiceNo StockCode                          Description  Quantity         InvoiceDate  UnitPrice  CustomerID         Country
0    536365    85123A   WHITE HANGING HEART T-LIGHT HOLDER         6 2010-12-01 08:26:00       2.55     17850.0  United Kingdom
1    536365     71053                  WHITE METAL LANTERN         6 2010-12-01 08:26:00       3.39     17850.0  United Kingdom
2    536365    84406B       CREAM CUPID HEARTS COAT HANGER         8 2010-12-01 08:26:00       2.75     17850.0  United Kingdom
3    536365    84029G  KNITTED UNION FLAG HOT WATER BOTTLE         6 2010-12-01 08:26:00       3.39     17850.0  United Kingdom
4    536365    84029E       RED WOOLLY HOTTIE WHITE HEART.         6 2010-12-01 08:26:00       3.39     17850.0  United Kingdom
--------------------------------------------------------------------------
 #   Column       Non-Null Count   Dtype         
---  ------       --------------   -----         
 0   InvoiceNo    541909 non-null  object        
 1   StockCode    541909 non-null  object        
 2   Description  540455 non-null  object        
 3   Quantity     541909 non-null  int64         
 4   InvoiceDate  541909 non-null  datetime64[ns]
 5   UnitPrice    541909 non-null  float64       
 6   CustomerID   406829 non-null  float64       
 7   Country      541909 non-null  object        
dtypes: datetime64[ns](1), float64(2), int64(1), object(4)
--------------------------------------------------------------------------
            Quantity      UnitPrice     CustomerID
count  541909.000000  541909.000000  406829.000000
mean        9.552250       4.611114   15287.690570
std       218.081158      96.759853    1713.600303
min    -