kaggle数据集某咖啡店的营销数据分析

超车

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

1. import pandas as pd
2. import os
3. import matplotlib.pyplot as plt
4. import numpy as np

复制代码

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。

1. # 读取目录内的文件
2. directory = r'C:\Users\Admin\Desktop\demo\练习'
3. files = os.listdir(directory)
4. print(files)

复制代码

1. ['coffee_result.csv', 'Instagram-Data.csv']

复制代码

1. # 存放文件
2. files_list = []
3. for file in files:
4.     if file.endswith('.csv'):
5.         directory_file = fr'{directory}\{file}'
6.         files_list.append(directory_file)
7. print(files_list)

复制代码

1. ['C:\\Users\\Admin\\Desktop\\demo\\练习\\coffee_result.csv', 'C:\\Users\\Admin\\Desktop\\demo\\练习\\Instagram-Data.csv']

复制代码

1. # 读取需要的文件
2. df = pd.read_csv(files_list[0])

复制代码

查看一些必要信息

1. df.info()
2. df

复制代码

1. <class 'pandas.core.frame.DataFrame'>
2. RangeIndex: 1464 entries, 0 to 1463
3. Data columns (total 6 columns):
4. #   Column       Non-Null Count  Dtype  
5. ---  ------       --------------  -----  
6. 0   date         1464 non-null   object
7. 1   datetime     1464 non-null   object
8. 2   cash_type    1464 non-null   object
9. 3   card         1375 non-null   object
10. 4   money        1464 non-null   float64
11. 5   coffee_name  1464 non-null   object
12. dtypes: float64(1), object(5)
13. memory usage: 68.8+ KB

复制代码

            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

1. print(df['cash_type'].unique().tolist(),'\n',
2. len(df['card'].unique().tolist()),'\n',
3. df['coffee_name'].unique().tolist(),'\n',
4. len(df['coffee_name'].unique().tolist()))

复制代码

1. ['card', 'cash']
2. 589
3. ['Latte', 'Hot Chocolate', 'Americano', 'Americano with Milk', 'Cocoa', 'Cortado', 'Espresso', 'Cappuccino']
4. 8

复制代码

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

1. df[df['card'].isnull()]

复制代码

            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

1. df['card'] = df['card'].fillna("-1")
2. df['card'].isnull().any()

复制代码

1. np.False_

复制代码

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

1. print(type(df.loc[1,'date']),type(df.loc[1,'datetime']))
2. df.loc[1,'date']

复制代码

1. <class 'str'> <class 'str'>
2. '2024-03-01'

复制代码

1. # 调整日期格式提取每行数据的月份
2. df['date'] = pd.to_datetime(df['date'])
3. df['datetime'] = pd.to_datetime(df['datetime'])
4. df['month'] = df['date'].dt.month
5. print(len(df['month'].unique()))

复制代码

1. 7

复制代码

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

1. # 查看每月的销量以及金额
2. df_six = df[df['month']!=9].copy()
3. month = df_six['month'].unique()    # 把月份单独拎出
4. month_sales = df_six.groupby('month')['money'].count()
5. month_sum = df_six.groupby('month')['money'].sum()
7. figure,axes = plt.subplots(1,2,figsize=[16,8])
8. figure.suptitle("Month sales and sum",size=20)
9. ax1 = axes[0].bar(month,month_sales)
10. axes[0].set_xlabel('Month',size=16)
11. axes[0].set_ylabel('Count',size=16)
13. ax2 = axes[1].bar(month,month_sum)
14. axes[1].set_xlabel('Month',size=16)
15. axes[1].set_ylabel('Sum',size=16)
17. axes[0].bar_label(ax1,fmt="%d",label_type="center")
18. axes[1].bar_label(ax2,fmt="%d",label_type="center")
19. plt.subplots_adjust(wspace=0.5)

复制代码

统计每款咖啡的营销情况

每款咖啡每月的营销额

1. nrows,ncols = 2,4
2. figure3,axes = plt.subplots(nrows,ncols,figsize=[16,8],sharex=True,sharey=True)
4. coffee_month_sales = df_six.groupby(['month','coffee_name'])['money'].sum().reset_index(name='sum')
5. coffee_names = coffee_month_sales['coffee_name'].unique().tolist()
7. for idx,coffee_name in enumerate(coffee_names):
8.     x,y = divmod(idx,ncols)
9.     coffee_data = coffee_month_sales[coffee_month_sales['coffee_name']==coffee_name]
10.     bars = axes[x,y].bar(coffee_data['month'],coffee_data['sum'])
11.     axes[x,y].bar_label(bars,fmt="%d",label_type="center")
12.     subtitle = f"{coffee_name} {int(coffee_data['sum'].sum())}"
13.     axes[x,y].set_title(subtitle)
14.     axes[x,y].set_xlabel('month',size=16)
15.     axes[x,y].set_ylabel('sum',size=16)
16.    
17. figure3.suptitle('coffee month sales',size=20)
18. plt.tight_layout()
19. plt.subplots_adjust(wspace=0.5)

复制代码

查看不同咖啡的受众人数以及占比

1. stati = df_six.groupby('coffee_name')['money'].count().reset_index(name='buyers')
2. stati.sort_values(by='buyers',ascending=True,inplace=True,ignore_index=True)
4. figure2,axes = plt.subplots(1,2,figsize=(16,8))
5. figure2.suptitle("Coffee audience number and proportion",size=20)
6. ax1 = axes[0].barh(stati.iloc[:,0],stati.iloc[:,1])
7. axes[0].bar_label(ax1,fmt="%d",label_type="center")
8. axes[0].set_ylabel("Kind",size=16)
9. axes[0].set_xlabel("Sum",size=16)
11. axes[1].pie(stati.iloc[:,1],labels=stati.iloc[:,0],autopct='%0.1f')
12. plt.subplots_adjust(wspace=0.5)

复制代码

统计客户的实际消费情况

1. cardholder = df_six[df_six['card']!='-1'].copy()
2. cardholder['tag'] = 1
3. cardholder.drop(columns=['date','datetime','cash_type'],inplace=True)
4. cardholder['month_sum'] = cardholder.groupby('card')['tag'].transform('sum')

复制代码

1. active_buyer = cardholder.groupby('card')['month_sum'].max().reset_index(name='buys')
2. active_buyer.sort_values(by='buys',inplace=True,ignore_index=True,ascending=False)
4. cardholder['money_sum'] = cardholder.groupby('card')['money'].transform('sum')
5. money_sum = cardholder.drop_duplicates(subset='card',ignore_index=True).copy()
6. money_sum.drop(columns=['money','coffee_name','month','tag','month_sum'],inplace=True)
7. money_sum.sort_values(by='money_sum',inplace=True,ignore_index=True,ascending=False)

复制代码

1. result = pd.merge(active_buyer,money_sum)
2. print('总消费金额平均数：',result['money_sum'].mean(),'\n',
3.       result.head(10))

复制代码

1. 总消费金额平均数： 75.29034111310592
2.                    card  buys  money_sum
3. 0  ANON-0000-0000-0012    96    2772.44
4. 1  ANON-0000-0000-0009    67    2343.98
5. 2  ANON-0000-0000-0141    44    1101.08
6. 3  ANON-0000-0000-0097    38    1189.34
7. 4  ANON-0000-0000-0040    30     910.12
8. 5  ANON-0000-0000-0003    27     744.04
9. 6  ANON-0000-0000-0001    17     646.14
10. 7  ANON-0000-0000-0134    13     470.76
11. 8  ANON-0000-0000-0024    12     422.26
12. 9  ANON-0000-0000-0059    12     337.00

复制代码

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=b136263c03183c66881a72c1df4dcc4a2a1523e5ece138f7d060a718d58823e983c90e018217c2557ea03fb1a3a75e8436055e3f86b1b97a684e6a74699d74de6bebfccaa2e27bc9193b9eda676e236c848ad62085afc36d408755a06f8062bdd88d20cb42da5fa397b785a39ff7b0b4a01465a0de0c348d4c2ef0a3aa9be989e8e2a897963172ec51bbff461277ede44290b60f5942988fd64801b089d7557e648a4e740fe9d5a64f9c27877a36e25a1cc0e4f4a61e5f8caf6325e5bff8dc8f5a0496464dbc7cc0c257610940deb59c864b368e9eb32fed796fb12f790d5197fa255bdf8bf96a06bb3c0b9540eebafaa438874a026f1ae86e045a7cc44e60c0

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！