数据分析 — 电商用户分析和用户 RFM 模型

一、电商用户分析

1、数据字段信息

字段	说明
RowID	行编号
OrderID	订单 ID
OrderDate	订单日期
ShipDate	发货日期
ShipMode	发货模式
CustomerID	客户 ID
CustomerName	客户姓名
Segment	客户类别
City	客户所在城市
State	客户所在州
Country	客户所在国家
PostalCode	邮编
Market	商店所属区域
Region	商店所属州
ProductID	产品 ID
Category	产品类别
Sub-Category	产品子类别
ProductName	产品名称
Sales	售价
Quantity	销售量
Discount	折扣
Profit	利润
ShippingCost	发货成本
OrderPriority	订单优先级

2、数据读取

import pandas as pd  # 导入 Pandas 库并使用别名 pd
# 读取 CSV 文件，使用 gbk 编码
data = pd.read_csv(r'F:\data\dataset.csv', encoding='gbk')
print(data)

# 打印数据的列名
print(data.columns)

# 重新命名数据的列名
data.columns = ['行编号', '订单ID', '订单日期', '发货日期', '发货模式', '客户ID', '客户姓名', '客户类别', '客户所在城市', '客户所在州', '客户所在国家', '邮编', '商店所属区域', '商店所属州', '产品ID', '产品类别', '产品子类别', '产品名称', '售价', '销售量', '折扣', '利润', '发货成本', '订单优先级']
print(data.head())

3、数据清洗

# 打印数据的基本信息
data.info()

# 1、发货日期 - 订单日期 >= 0，异常的数据 < 0
# 将 '发货日期' 和 '订单日期' 列的数据类型转换为 datetime
data['发货日期'] = pd.to_datetime(data['发货日期'])
data['订单日期'] = pd.to_datetime(data['订单日期'])
# 计算 '发货秒数' 列，表示发货日期与订单日期的时间差（秒）
data['发货秒数'] = (data['发货日期'] - data['订单日期']).dt.total_seconds()

# 删除发货日期早于订单日期的
data.drop(index=data[data['发货秒数'] < 0].index, inplace=True)  # drop() 这里是按索引删除
print(data.head())

# 打印数据的形状
print(data.shape)  # (51097, 25)

# 2、删除售价为负数据（异常数据）
# 查找 '售价' 列小于 0 的行
print(data[data['售价'] < 0])
# 没有售价为负的，不用处理

# 打印数据的信息
data.info()

# 3、查看空值，重复值
# 打印每列的缺失值数量
print(data.isnull().sum())

# 计算 '行编号' 列的唯一值数量
print(data['行编号'].unique().size)  # 51094

# 删除重复的 '行编号' 行（去重）
data.drop_duplicates('行编号', inplace=True