数据分析实战项目2:优衣库销售数据分析

这篇具有很好参考价值的文章主要介绍了数据分析实战项目2:优衣库销售数据分析。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

优衣库销售数据分析

1、需求和数据加载

数据:不同城市优衣库门店的销售数据,
需求:

  • 不同产品的销售方式,顾客喜欢的购买方式(线上or线下)
  • 销售额与成本之间的关系
  • 购买时间偏好

数据分析实战项目2:优衣库销售数据分析

import pandas as pd
uniqlo = pd.read_csv('./data/uniqlo.csv')
uniqlo.head()
uniqlo.info()
uniqlo.shape
uniqlo.describe()

数据分析实战项目2:优衣库销售数据分析
看数据查看问题:revenue最小值出现负值

uniqlo[uniqlo.revenue<1] #销售金额小于1的记录

2、不同种类产品的销售情况

2.1 不同产品的销售情况

对列A分组,不同组的列B求和值,并降序排列
date.groupby(‘列A’)[‘列B’].sum().sort_values(ascending=False)

#不同种类的订单数
uniqlo.groupby('product')['order'].sum().sort_values(ascending=False)

数据分析实战项目2:优衣库销售数据分析

#不同种类的销售数
uniqlo.groupby('product')['quant'].sum().sort_values(ascending=False)

做列A和列B联合的不同种类,的列C数量
date.pivot_table(values = ‘列C’,index=‘列A’,columns=‘列B’,aggfunc = ‘sum’,)–输出是多行多列的表

排序:sort_values()默认升序

#不同城市,不同种类的销售量
uniqlo.pivot_table(index='product',columns='city',values='quant',aggfunc='sum').sort_values('上海',ascending=False)#按上海降序排列

数据分析实战项目2:优衣库销售数据分析
商品类别后,再城市,再加了一个维度(线上/线下):

#对城市拆解后,再进一步按线上线下拆解
uniqlo.pivot_table(index='product',columns=['city','channel'],values='quant',aggfunc='sum')

数据分析实战项目2:优衣库销售数据分析

3、用户的消费方式(线上or线下)

1,统计使用不同消费方式的订单数量

uniqlo.groupby('channel')['order'].sum()

数据分析实战项目2:优衣库销售数据分析
结论:总体上,线下比线上多

#进一步按照城市拆解
uniqlo.pivot_table(index='city',columns='channel',values='order',aggfunc='sum').sort_values('线上',ascending=False)

数据分析实战项目2:优衣库销售数据分析
2,同样可以看一下销量(商品数)

uniqlo.pivot_table(index='city',columns='channel',values='quant',aggfunc='sum').sort_values('线上',ascending=False)

数据分析实战项目2:优衣库销售数据分析

4、用户的消费习惯(周间or周末)

#看一下周末,周间的整体情况
uniqlo.wkd_ind.value_counts()

数据分析实战项目2:优衣库销售数据分析
结论:整体上看,周末的销售记录要比周间多

#查看不同城市,周末间的情况
wkd_sales = uniqlo.pivot_table(index='wkd_ind',columns='city',values='quant',aggfunc='sum')

数据分析实战项目2:优衣库销售数据分析
因为周间有5天,周末2天,可以考虑求一下平均

#计算每天的销售额
week_sales.loc['weekday_avg',:] = week_sales.loc['weekday',:]/5
week_sales.loc['weekend_avg',:] = week_sales.loc['weekend',:]/2
week_sales

数据分析实战项目2:优衣库销售数据分析
结论:取平均后,还是周末比较多

5、销售额和成本之间的关系

1,销售额revenue和成本unit_cost之间的关系–计算相关系数corr

uniqlo[['revenue','unit_cost']].corr()

数据分析实战项目2:优衣库销售数据分析
0.14—关系不太大
问题:应该研究单位销售额和单位成本之间的关系

#筛选出销售额大于1的数据
uniqlo2 = uniqlo[uniqlo.revenue >1]
uniqlo2.head()

#计算单位商品的销售额
uniqlo2['rev_per_goods'] = uniqlo2['revenue']/uniqlo2['quant']
uniqlo2.head()

#再计算相关系数
uniqlo2[['revenue','rev_per_goods']].corr()

数据分析实战项目2:优衣库销售数据分析
0.5了,相关性还行
热力图—sns.heatmap(相关系数的计算)文章来源地址https://www.toymoban.com/news/detail-476811.html

#对应热力图
sns.heatmap(uniqlo2[['unit_cost','rev_per_goods']].corr())

到了这里,关于数据分析实战项目2:优衣库销售数据分析的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【数据分析项目实战】篇1:游戏数据分析——新增、付费和用户行为评估

    目录 0 结论 1 背景介绍 1.1 游戏介绍 1.2 数据集介绍 2 分析思路 3 新增用户分析 3.1 新增用户数: 3.2 每日新增用户数: 3.3 分析 4 活跃度分析 4.1 用户平均在线时长 4.2 付费用户平均在线时长 4.3 日活跃用户(日平均在线时长10min)数及占比 4.4 分析与建议 5 游戏行为分析 5.1 对比

    2023年04月08日
    浏览(101)
  • 大数据分析——某电商平台药品销售数据分析

    大数据分析——某电商平台药品销售数据分析 一、   选题背景 我们已经习惯了在网上购买衣服、数码产品和家用电器,但是在网上买药品的还是不多。据史国网上药店理事会调查报告显示:2022 年,医药 B2C 的规模达到 4 亿元,仅出现 5 家锁售额达.5000 万元的网上药店。而

    2024年02月04日
    浏览(46)
  • Hive数据分析案例——汽车销售数据分析

    使用HiveQL实现来实现,本数据为上牌汽车的销售数据,分为乘用车辆和商用车辆。数据包含销售相关数据与汽车具体参数。数据项包括:时间、销售地点、邮政编码、车辆类型、车辆型号、制造厂商名称、排量、油耗、功率、发动机型号、燃料种类、车外廓长宽高、轴距、前

    2024年02月09日
    浏览(162)
  • 门店销售数据分析

    本文以优衣库门店销售数据为例,利用数据分析工作经验及业务理解对门店销售数据进行数据分析展示。 结论先行-数据分析报告结论: 1.用户更加偏向于在周末的时间段内进行消费,周末的日平均销售指标是工作日的平均指标的1.7倍,各门店可以选择在周末的时间段内增加

    2024年02月06日
    浏览(39)
  • 2023年京东按摩仪行业数据分析(京东销售数据分析)

    近年来,小家电行业凭借功能与颜值,取代黑电和白电,成为家电市场的主要增长点。在这一市场背景下,颜值更高、功能更丰富、品种更齐全的各类按摩仪,借助新消费和电子商务的风潮,陆续被推上市场。今年,按摩仪市场仍然保持着平稳的增长。 根据鲸参谋电商数据分

    2024年02月13日
    浏览(46)
  • Python实战项目——物流行业数据分析(二)

    今天我们对物流行业数据进行简单分析,数据来源: 某企业销售的6种商品所对应的送货及用户反馈数据 1、配送服务是否存在问题 2、是否存在尚有潜力的销售区域 3、商品是否存在质量问题 依旧先进行数据处理 一、数据清洗 ① 重复值、缺失值、格式调整 ② 异常值处理(

    2024年02月16日
    浏览(51)
  • 电商销售数据分析(Python)

    目录 1.背景 2.分析目标 3.数据准备 4.数据清洗 4.1 查看是否含有缺失值 4.2 查看是否有异常值 4.3 数据整理 5.具体目标分析 5.1 分析每年销售额的增长率 5.2 各个地区分店的销售额 5.3 销售淡旺季分析 5.4 新老客户数 5.5 用户价值度RFM模型分析 6. 案例结论 6.1 结论依据 6.2 

    2024年02月04日
    浏览(76)
  • 京东数据分析工具(京东销售数据如何查询)

    相信很多京东或者天猫商家都会有这样的需求:想要查看各品类的销售数据,行业大盘数据、竞品的各项销售数据、各品类下的爆款商品数据、竞品店铺的数据等等,一些商智无法满足的数据不知道去哪里可以看到。 实际上,可以体验一下那些靠谱第三方平台的数据,全品类

    2024年02月06日
    浏览(59)
  • 数据分析:旅游景点销售门票和消费情况分析

    作者:i阿极 作者简介:Python领域新星作者、多项比赛获奖者:博主个人首页 😊😊😊如果觉得文章不错或能帮助到你学习,可以点赞👍收藏📁评论📒+关注哦!👍👍👍 📜📜📜如果有小伙伴需要数据集和学习交流,文章下方有交流学习区!一起学习进步!💪 旅游景区作

    2023年04月08日
    浏览(53)
  • 111个Python数据分析实战项目,代码已跑通,数据可下载

    这里整理了111个数据分析的案例,每一个都进行了严格的筛选,筛选标准如下: 1. 有干货:杜绝纯可视化、统计性分析,有一定比例的讲解性文字 2. 可跑通:所有代码均经过测试,(大概率)可以一键跑通(因为库包更新,或者链接有效性问题,或多或少会存在个别失效情

    2024年02月03日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包