超车 发表于 2024-10-19 17:25:41

kaggle数据集某咖啡店的营销数据分析

因为还处于数据分析的学习阶段(野生Python学者),所以在kaggle这个网站找了两个数据集来给自己练练手。
准备工作

import pandas as pd
import os
import matplotlib.pyplot as plt
import numpy as np获取数据

这里我下载了两个数据集第一个是关于咖啡的销售情况,第二个是关于Instagram这个网站1000名最受欢迎的博主的数据。
我就从咖啡的销售情况这个表入手,因为我看了第二个表实在是没有什么眉目去做T.T
数据集文件放在最下方有需要的可以自行下载。
# 读取目录内的文件
directory = r'C:\Users\Admin\Desktop\demo\练习'
files = os.listdir(directory)
print(files)['coffee_result.csv', 'Instagram-Data.csv']# 存放文件
files_list = []
for file in files:
    if file.endswith('.csv'):
      directory_file = fr'{directory}\{file}'
      files_list.append(directory_file)
print(files_list)['C:\\Users\\Admin\\Desktop\\demo\\练习\\coffee_result.csv', 'C:\\Users\\Admin\\Desktop\\demo\\练习\\Instagram-Data.csv']# 读取需要的文件
df = pd.read_csv(files_list)查看一些必要信息

df.info()
df<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1464 entries, 0 to 1463
Data columns (total 6 columns):
#   Column       Non-Null CountDtype
---------       -------------------
0   date         1464 non-null   object
1   datetime   1464 non-null   object
2   cash_type    1464 non-null   object
3   card         1375 non-null   object
4   money      1464 non-null   float64
5   coffee_name1464 non-null   object
dtypes: float64(1), object(5)
memory usage: 68.8+ KB                  date      datetime      cash_type      card      money      coffee_name                0      2024-03-01      2024-03-01 10:15:50.520      card      ANON-0000-0000-0001      38.70      Latte              1      2024-03-01      2024-03-01 12:19:22.539      card      ANON-0000-0000-0002      38.70      Hot Chocolate              2      2024-03-01      2024-03-01 12:20:18.089      card      ANON-0000-0000-0002      38.70      Hot Chocolate              3      2024-03-01      2024-03-01 13:46:33.006      card      ANON-0000-0000-0003      28.90      Americano              4      2024-03-01      2024-03-01 13:48:14.626      card      ANON-0000-0000-0004      38.70      Latte              ...      ...      ...      ...      ...      ...      ...              1459      2024-09-05      2024-09-05 20:30:14.964      card      ANON-0000-0000-0587      32.82      Cappuccino              1460      2024-09-05      2024-09-05 20:54:24.429      card      ANON-0000-0000-0588      23.02      Americano              1461      2024-09-05      2024-09-05 20:55:31.429      card      ANON-0000-0000-0588      32.82      Cappuccino              1462      2024-09-05      2024-09-05 21:26:28.836      card      ANON-0000-0000-0040      27.92      Americano with Milk              1463      2024-09-05      2024-09-05 21:27:29.969      card      ANON-0000-0000-0040      27.92      Americano with Milk    1464 rows × 6 columns
print(df['cash_type'].unique().tolist(),'\n',
len(df['card'].unique().tolist()),'\n',
df['coffee_name'].unique().tolist(),'\n',
len(df['coffee_name'].unique().tolist()))['card', 'cash']
589
['Latte', 'Hot Chocolate', 'Americano', 'Americano with Milk', 'Cocoa', 'Cortado', 'Espresso', 'Cappuccino']
8通过info返回的信息可以看到card列存在一些空值,那我就把空值处理一下
df.isnull()]                  date      datetime      cash_type      card      money      coffee_name                12      2024-03-02      2024-03-02 10:30:35.668      cash      NaN      40.0      Latte              18      2024-03-03      2024-03-03 10:10:43.981      cash      NaN      40.0      Latte              41      2024-03-06      2024-03-06 12:30:27.089      cash      NaN      35.0      Americano with Milk              46      2024-03-07      2024-03-07 10:08:58.945      cash      NaN      40.0      Latte              49      2024-03-07      2024-03-07 11:25:43.977      cash      NaN      40.0      Latte              ...      ...      ...      ...      ...      ...      ...              657      2024-05-31      2024-05-31 09:23:58.791      cash      NaN      39.0      Latte              677      2024-06-01      2024-06-01 20:54:59.267      cash      NaN      39.0      Cocoa              685      2024-06-02      2024-06-02 22:43:10.636      cash      NaN      34.0      Americano with Milk              691      2024-06-03      2024-06-03 21:42:51.734      cash      NaN      34.0      Americano with Milk              692      2024-06-03      2024-06-03 21:43:37.471      cash      NaN      34.0      Americano with Milk    89 rows × 6 columns
空值是由支付类型为现金支付的那一列对应的行产生的
df['card'] = df['card'].fillna("-1")
df['card'].isnull().any()np.False_对数据进行处理

在info返回的信息看到date这一列的数值类型是对象,我就把它变成日期类型方便我自己后续操作
print(type(df.loc),type(df.loc))
df.loc<class 'str'> <class 'str'>
'2024-03-01'# 调整日期格式提取每行数据的月份
df['date'] = pd.to_datetime(df['date'])
df['datetime'] = pd.to_datetime(df['datetime'])
df['month'] = df['date'].dt.month
print(len(df['month'].unique()))7查看每月的销售情况

因为9月份的数据只有5天所以这个月就不纳入分析
# 查看每月的销量以及金额
df_six = df!=9].copy()
month = df_six['month'].unique()    # 把月份单独拎出
month_sales = df_six.groupby('month')['money'].count()
month_sum = df_six.groupby('month')['money'].sum()

figure,axes = plt.subplots(1,2,figsize=)
figure.suptitle("Month sales and sum",size=20)
ax1 = axes.bar(month,month_sales)
axes.set_xlabel('Month',size=16)
axes.set_ylabel('Count',size=16)

ax2 = axes.bar(month,month_sum)
axes.set_xlabel('Month',size=16)
axes.set_ylabel('Sum',size=16)

axes.bar_label(ax1,fmt="%d",label_type="center")
axes.bar_label(ax2,fmt="%d",label_type="center")
plt.subplots_adjust(wspace=0.5)
统计每款咖啡的营销情况

每款咖啡每月的营销额

nrows,ncols = 2,4
figure3,axes = plt.subplots(nrows,ncols,figsize=,sharex=True,sharey=True)

coffee_month_sales = df_six.groupby(['month','coffee_name'])['money'].sum().reset_index(name='sum')
coffee_names = coffee_month_sales['coffee_name'].unique().tolist()

for idx,coffee_name in enumerate(coffee_names):
    x,y = divmod(idx,ncols)
    coffee_data = coffee_month_sales==coffee_name]
    bars = axes.bar(coffee_data['month'],coffee_data['sum'])
    axes.bar_label(bars,fmt="%d",label_type="center")
    subtitle = f"{coffee_name} {int(coffee_data['sum'].sum())}"
    axes.set_title(subtitle)
    axes.set_xlabel('month',size=16)
    axes.set_ylabel('sum',size=16)
   
figure3.suptitle('coffee month sales',size=20)
plt.tight_layout()
plt.subplots_adjust(wspace=0.5)
查看不同咖啡的受众人数以及占比

stati = df_six.groupby('coffee_name')['money'].count().reset_index(name='buyers')
stati.sort_values(by='buyers',ascending=True,inplace=True,ignore_index=True)

figure2,axes = plt.subplots(1,2,figsize=(16,8))
figure2.suptitle("Coffee audience number and proportion",size=20)
ax1 = axes.barh(stati.iloc[:,0],stati.iloc[:,1])
axes.bar_label(ax1,fmt="%d",label_type="center")
axes.set_ylabel("Kind",size=16)
axes.set_xlabel("Sum",size=16)

axes.pie(stati.iloc[:,1],labels=stati.iloc[:,0],autopct='%0.1f')
plt.subplots_adjust(wspace=0.5)
统计客户的实际消费情况

cardholder = df_six!='-1'].copy()
cardholder['tag'] = 1
cardholder.drop(columns=['date','datetime','cash_type'],inplace=True)
cardholder['month_sum'] = cardholder.groupby('card')['tag'].transform('sum')active_buyer = cardholder.groupby('card')['month_sum'].max().reset_index(name='buys')
active_buyer.sort_values(by='buys',inplace=True,ignore_index=True,ascending=False)

cardholder['money_sum'] = cardholder.groupby('card')['money'].transform('sum')
money_sum = cardholder.drop_duplicates(subset='card',ignore_index=True).copy()
money_sum.drop(columns=['money','coffee_name','month','tag','month_sum'],inplace=True)
money_sum.sort_values(by='money_sum',inplace=True,ignore_index=True,ascending=False)result = pd.merge(active_buyer,money_sum)
print('总消费金额平均数:',result['money_sum'].mean(),'\n',
      result.head(10))总消费金额平均数: 75.29034111310592
                   cardbuysmoney_sum
0ANON-0000-0000-0012    96    2772.44
1ANON-0000-0000-0009    67    2343.98
2ANON-0000-0000-0141    44    1101.08
3ANON-0000-0000-0097    38    1189.34
4ANON-0000-0000-0040    30   910.12
5ANON-0000-0000-0003    27   744.04
6ANON-0000-0000-0001    17   646.14
7ANON-0000-0000-0134    13   470.76
8ANON-0000-0000-0024    12   422.26
9ANON-0000-0000-0059    12   337.00通过打印的数据可以看到这算是最活跃的一批用户了
程度大致就做到这种情况了,谢谢观看,如果有什么好的方法也可以在评论区评论!
本文的代码以及思路根据以下链接做过参考:
[https://tianchi.aliyun.com/notebook/464175?spm=a2c22.21852664.0.0.260f379cEBLg8w]
数据集下载链接:
https://storage.googleapis.com/kagglesdsdata/datasets/5328600/9620471/index.csv?X-Goog-Algorithm=GOOG4-RSA-SHA256&X-Goog-Credential=gcp-kaggle-com%40kaggle-161607.iam.gserviceaccount.com%2F20241019%2Fauto%2Fstorage%2Fgoog4_request&X-Goog-Date=20241019T074949Z&X-Goog-Expires=259200&X-Goog-SignedHeaders=host&X-Goog-Signature=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

来源:https://www.cnblogs.com/Xavier-Hsiang/p/18475833
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作!
页: [1]
查看完整版本: kaggle数据集某咖啡店的营销数据分析