电商数据分析---RFM用户画像

电商数据分析

一.数据描述

数据下载

订单顺序编号	订单号	用户名	商品编号	订单金额	付款金额

二.分析角度

1.整体角度----探索每个月有效的订单，以及销售额

2.个人角度----统计第一次购买的数量，以及最新时间购买的人数

3.用户画像----使用RFM模型对用户进行分类

三.数据清洗

pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
plt.rcParams['font.family'] = 'Microsoft YaHei'
plt.rcParams['axes.unicode_minus'] = False

首先设置如上，前两行是让字段整体输出，后两行是使画图显示中文

1.处理缺失值

# 01 空值处理
print(data.isnull().sum())
data['渠道编号'].fillna(data['渠道编号'].mode(), inplace=True)
print("----------------------")

空值字段只有渠道的编号，数量较少，可以采用删除，本次采用使用众数填充的方法处理空值。

2.重复值

# 02 重复值处理
print("数据的重复值个数为", data.duplicated().sum())

无重复值。

3.异常值

本次数据主要是2021年的数据，对于其他时间段的数据进行删除，并且检查付款金额字段数据

print("数据异常值数据\n", data[data['付款金额'] < 0]['付款金额'])
data.drop(data[data['付款金额'] < 0]['付款金额'].index, inplace=True)
# 增加下日期列与月份
data['订单日期'] = pd.to_datetime(data['付款时间'], format='%Y-%m-%d').dt.date
data['月份'] = pd.to_datetime(data['订单日期']