python数据分析项目有趣 新零售-无人智能售货机商务数据分析

        嗨喽! 大家好，我是“流水不争先，争得滔滔不绝”的翀，18双非本科生一枚，正在努力！欢迎大家来交流学习，一起学习数据分析，希望我们一起好好学习，天天向上，目前是小社畜一枚~~

项目名称 新零售无人智能售货机

• 1.数据探索

• 1.1数据读取
• 1.2 设备编号
• 1.3 订单编号
• 1.4 支付状态
• 1.5 收款方

• 2. 数据预处理

• 2.1 提取城市信息和商品更新
• 2.2 提取商品名称及数量

• 3. 数据分析
• 3.1 分析商品销售排行榜

• 3.2 分析某一台设备不同时间的销售情况
• 3.3 分析某一台设备不同星期的销售情况
• 3.4 某一台设备不同时间的销售情况

• 4. 不同时间的销售情况
• 5. 分析城市销售情况

• 5.1 绘制地理图表展示城市之间的空间关系

• 6. 销售额环比

• 6.1 周环比
• 6.2 月环比
• 6.3 广州地区的周环比

• 7 不同商品单价的销售情况
• 总结

项目类型 数据分析类

自动售货机以线上经营的理念，提供线下的便利服务，以小巧、自助的经
营模式节省人工成本，让实惠、高品质的商品触手可及，成为当下零售经
营的又一主流模式。自动售货机内商品的供给频率、种类选择、供给量、

项目背景 站点选择等是自动售货机运营者需要重点关注的问题。因此，科学的商业
数据分析能够帮助经营者了解用户需求，掌握商品需求量，为用户提供精
准贴心的服务，是掌握经营方向的重要手段，对自动售货机这一营销模式
的发展有着非常重要的意义。

项目目标 本项目对售货机销售数据进行商务数据分析，帮助经营者了解用户需求，
掌握商品需求量，给出合理的营销方案。

项目数据 5 台不同地点的自动售货机一年的销售数据。

项目难度 

TASK1：数据预处理与分析
TASK1.1 根据实际项目需求对数据进行预处理
TASK1.2 计算每台售货机每个月平均交易额和日均订单量
TASK2 ：数据可视化
TASK2.1 掌握 python 可视化基础，了解可视化含义

任务清单 TASK2.2 对 TASK1 处理后的数据进行可视化分析，并给出分析结论
TASK3 ：售货机画像的探索
TASK3.1 根据热销商品绘制分别绘制 5 台售货机画像
TASK3.2 根据画像及分析制定合适的营销策略
TASK4 ：预测
TASK4.1 预测售货机近三个月内热销前 10 的商品未来一个月的销量
TASK4.2 根据预测值，给出 5 台售货机未来一个月货品补充计划

1.数据探索

1.1数据读取

import warnings
warnings.filterwarnings('ignore')
import datetime
import  pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import re
import os

#数据探索
#1 获取所有文件的名称和路径
data_path = './data/'  #数据存储路径
data_names = os.listdir(data_path)  #列举出data_path里面所有的文件名称
data = pd.DataFrame([])
for data_name in data_names:
    # 删除不是的文件
    if data_name.endswith('.csv'):
        print((data_name))
        #3 循环读取文件
        tmp =pd.read_csv(os.path.join(data_path,data_name),encoding='gbk')
        #4 文件存储
        data = pd.concat([data,tmp])
#data = pd.read_csv('./data/订单表2018-5.csv',encoding='gbk')  #读取
data.head()
data.info()  #数据总览
data.columns
![`在这里插入图片描述`](/i/ll/?i=20200610154752146.png)
#查看缺失情况
data.isnull().sum()
ind = data['收款方'].isnull()
data.loc[ind,:]
ind = data['出货状态'].isnull()
data.loc[ind,:]

1.2 设备编号

ind = data['商品详情'].apply(lambda x:'嗨购中奖' in x)
data.loc[ind,:]
# 1.3 设备编号
data ['设备编号'].value_counts()  #值统计

ind = data['设备编号']  == 112866
data.loc[ind,'省市区'].value_counts()

1.3 订单编号

#  1.4 订单编号
data['订单编号'].value_counts()   # 正确  发现全部是唯一的

`

1.4 支付状态

# 1.5 支付状态
num = data['支付状态'].value_counts()
plt.rcParams['font.sans-serif'] = 'SimHei'  #字体设置,不然显示不了中文图片中
plt.pie(num, autopct='%.2f%%', labels=num.index)
plt.title('支付方式占比情况')
plt.show()

1.5 收款方

# 1.7 收款方
data['收款方'].value_counts()
ind = data['收款方'] =='售货机自收'
data.loc[ind, :]
# 1.8省市区
data['省市区'].value_counts()
# 2 数据预处理
# 2.1 下单时间修改为时间格式的数据
data['下单时间'] =pd.to_datetime(data['下单时间'],errors='coerce')
#data['下单时间'].dt.weekday_name
# 2.2 出货状态只保留"出货正常"的数据
ind = data['出货状态'] =='出货成功'
data2 =data.loc[ind,:]
# 2.3 提取城市信息
data2['city'] = data2['省市区'].apply((lambda x: re.findall('.{2}市',x)[0]))
data2['city'].value_counts()

2. 数据预处理

2.1 提取城市信息和商品更新

# 2.3 提取城市信息
data2['city'] = data2['省市区'].apply((lambda x: re.findall('.{2}市',x)[0]))
data2['city'].value_counts()
# 2.4商品名称更新
data2['商品详情'] = data2['商品详情'].str.replace('百事可以', '百事可乐')
data2['商品详情'] = data2['商品详情'].str.replace('苿莉花茶', '茉莉花茶')
data2['商品详情'] = data2['商品详情'].str.replace('茶TT', '茶π')
data2['商品详情'] = data2['商品详情'].str.replace('nl', '')
data2['商品详情'] = data2['商品详情'].str.replace('毫升', '')
data2['商品详情'] = data2['商品详情'].str.replace('乐事薯片', '乐事')
data2['商品详情'] = data2['商品详情'].apply(lambda x: re.sub('（[^;,xX]+）?|[罐瓶盒]装?|', '', x))
data2['商品详情'] = data2['商品详情'].str.replace('马蒂爽', '马蹄爽')
data2['商品详情'] = data2['商品详情'].str.replace('鲜蘑豆奶', '鲜磨豆奶')
data2['商品详情'] = data2['商品详情'].apply(lambda x: re.sub('广氏菠萝啤|廣式菠萝啤|菠萝啤酒', '菠萝啤', x))
data2['商品详情'] = data2['商品详情'].str.replace('威化瓶干', '威化饼干')
data2['商品详情'] = data2['商品详情'].str.replace('康师父', '康师傅')
data2['商品详情'] = data2['商品详情'].str.replace('张三疯', '张三丰')
data2['商品详情'] = data2['商品详情'].str.replace('蓝莓味', '蓝莓')
data2['商品详情'] = data2['商品详情'].str.replace('西柚味', '西柚')
data2['商品详情'] = data2['商品详情'].str.replace('柠檬味', '柠檬')
data2['商品详情'] = data2['商品详情'].apply(lambda x: re.sub('水蜜桃[^;,xX]+', '蜜桃', x))
data2['商品详情'] = data2['商品详情'].apply(lambda x: re.sub('青柠[^;,xX]+', '青柠', x))
data2['商品详情'] = data2['商品详情'].str.upper()
data2['商品详情'] = data2['商品详情'].str.replace('ML', '')
# 2.5 提取商品名称及数量
t = data2['商品详情'].apply(lambda x: re.findall('([^,;xX]+) ?[Xx]([0-9]{1,2})', x))
from tkinter import _flatten
goods = t.apply(lambda x: list(_flatten(x))[::2])
numbers = t.apply(lambda x: list(_flatten(x))[1::2])
goods_data = pd.DataFrame({'goods': goods, 'numbers': numbers})
goods_data.head()

2.2 提取商品名称及数量

flatten()函数用法

flatten是numpy.ndarray.flatten的一个函数，即返回一个一维数组。

flatten只能适用于numpy对象，即array或者mat，普通的list列表不适用！。

a.flatten()：a是个数组，a.flatten()就是把a降到一维，默认是按行的方向降 。
a.flatten().A：a是个矩阵，降维后还是个矩阵，矩阵.A（等效于矩阵.getA()）变成了数组。

names = _flatten(list(goods_data['goods']))
num = _flatten(list(goods_data['numbers']))

new_goods_data = pd.DataFrame({'产品名称':names,'购买数量':num})
new_goods_data.head()

3. 数据分析

3.1 分析商品销售排行榜

分析商品销售排行榜：用户喜欢的商品有哪些？

畅销品
•目的：为运营服务（方便推荐（二八法则）；商场摆设、采购、培训使得销售利润最大化）
•确认畅销品的方法：销售量排名、二八法则、ABC法则

什么样的商品是畅销品？
1.只看销售量、销售额（销售量、销售额等）
2.销售不错且能持续提供库存支持的商品（销售量、销售额、库存量、库存天数、库存周数等）
3.只有能够持续给公司创造销售和利润，且占用最优资金量的商品（销售量、销售额、库存量、库存天数、库存周数、毛利率等特征）

new_goods_data.dtypes

new_goods_data.dtypes
new_goods_data['购买数量'] = new_goods_data['购买数量'].astype(int)
num = new_goods_data.groupby('产品名称').agg(sum).sort_values('购买数量', ascending=False)

plt.style.use('ggplot')
plt.barh(range(20), num['购买数量'][:20])
plt.yticks(range(20), num.index[:20])
plt.ylabel('产品名称')
plt.xlabel('销售量')
plt.title('销售量排行榜（前二十）')
plt.show()

可以看出这几个月销售量排行前20的商品

3.2 分析某一台设备不同时间的销售情况

#  3.1分析某一台设备不同时间的销售情况
ind = data2['设备编号'] ==112866
data_112 = data2.loc[ind, :]
data_112.shape
data_112.columns

# 某一台设备不同日期的销售情况
data_112['date'] = data_112['下单时间'].dt.date
data_112['income'] = data_112['总金额(元)'] - data_112['退款金额(元)']
num = data_112[['date', 'income']].groupby('date').sum().sort_index()

plt.plot(num.index, num)
plt.xticks(num.index[::8], num.index[::8], rotation=90)
plt.show()

# 某一台设备不同日期的销售情况
data_112['date'] = data_112['下单时间'].dt.date
data_112['income'] = data_112['总金额(元)'] - data_112['退款金额(元)']
num = data_112[['date', 'income']].groupby('date').sum().sort_index()

plt.plot(num.index, num)
plt.xticks(num.index[::8], num.index[::8], rotation=90)
plt.show()

3.3 分析某一台设备不同星期的销售情况

data_112['weekday'] = data_112['下单时间'].dt.weekday
num = data_112[['weekday', 'income']].groupby('weekday').sum().sort_index()
plt.plot(num.index, num)
plt.xticks(num.index, num.index, rotation=90)
plt.show()

data_112['month'] = data_112['下单时间'].dt.month
num = data_112[['weekday', 'income', 'month']].groupby(['month', 'weekday']).sum()
num = num.unstack()  #最内层的行索引还原成了列索引
week = [0, 1, 2, 3, 4, 5, 6]
num2 = num.loc[:, [('income', i) for i in week]]
for i in range(5, 10):
    plt.plot(week, num2.loc[i, :])
plt.legend([f'{i}月' for i in range(5, 10)])
plt.show()

3.4 某一台设备不同时间的销售情况

# 3.3某一台设备不同时间的销售情况
data_112['hour'] = data_112['下单时间'].dt.hour
num = data_112[['hour','income']].groupby('hour').sum().sort_index()
plt.plot(num.index,num)
plt.xticks(num.index,num.index,rotation=90)  #rotation旋转角度下标
plt.show()

data_112['hour'] = data_112['下单时间'].dt.hour
num = data_112[['hour','income','month']].groupby(['month','hour']).sum()
num = num.unstack().fillna(0)  #fillna 缺失值填为0

for i in range(5, 10):
    plt.plot(range(24), num.loc[i, :])
plt.legend([f'{i}月' for i in range(5, 10)])
plt.show()

#星期
data_112['hour'] = data_112['下单时间'].dt.hour
num = data_112[['hour', 'income', 'weekday']].groupby(['weekday', 'hour', ]).sum()
num = num.unstack().fillna(0)

for i in num.index:
    plt.plot(range(24), num.loc[i, :])
plt.legend(num.index)
plt.show()

4. 不同时间的销售情况

# 不同日期的销售情况
data2['date'] = data2['下单时间'].dt.date
data2['income'] = data2['总金额(元)'] - data2['退款金额(元)']
num = data2[['date', 'income']].groupby('date').sum().sort_index()

plt.plot(num.index, num)
plt.xticks(num.index[::8], num.index[::8], rotation=90)
plt.show()

不同星期的销售情况
data2['weekday'] = data2['下单时间'].dt.weekday
num = data2[['weekday', 'income']].groupby('weekday').sum().sort_index()
num = num.loc[[0,1,2,3,4,5,6],:]
plt.plot(num.index, num)
plt.xticks(num.index, num.index, rotation=90)
plt.show()

5. 分析城市销售情况

# 3.4 分析城市销售情况
num = data2[['city', 'income']].groupby('city').sum().sort_values('income')
plt.barh(num.index,num['income'])
plt.show()

5.1 绘制地理图表展示城市之间的空间关系

# 绘制地理图表展示城市之间的空间关系
from pyecharts.charts import Geo, Map
import pyecharts.options as opts
from pyecharts.globals import ChartType

(
    Geo()
    .add_schema(maptype='广东')
    .add('', [(i, int(j)) for i,j in zip(num.index, num['income'])],
         type_=ChartType.EFFECT_SCATTER)
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title='各个城市销售量情况', subtitle='2018/4-2018/9'),
        visualmap_opts=opts.VisualMapOpts(max_=max(num.max()), is_piecewise=True)
    )
).render('./各个城市销售量情况.html')

# 绘制地理图表展示不同月份不同城市之间的空间关系
from pyecharts.charts import Geo, Timeline
import pyecharts.options as opts
from pyecharts.globals import ChartType

data2['month'] = data2['下单时间'].dt.month
num = data2[['month', 'income', 'city']].groupby(['month', 'city']).sum()
num2 = num.unstack()
num2 = num2.fillna(0)

tmp = {}
for i in range(4, 10):
    num = num2.loc[i, :]
    tmp[i] = (
        Geo()
            .add_schema(maptype='广东')
            .add('', [(i[1], int(j)) for i, j in zip(num.index, list(num.values))],
                 type_=ChartType.EFFECT_SCATTER)
            .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
            .set_global_opts(
            title_opts=opts.TitleOpts(title='各个城市销售量情况', subtitle='2018/4-2018/9'),
            visualmap_opts=opts.VisualMapOpts(max_=max(num2.max()), is_piecewise=True)
        )
    )

tl = Timeline()
for i in range(4, 10):
    tl.add(tmp[i], str(i)+'月')

tl.render('./各个城市销售量情况(含时间轴).html')

6. 销售额环比

6.1 周环比

# 3.5销售额环比
# 计算周的销售额环比
data2['week'] = data2['下单时间'].dt.week
#  1 计算每一周的销售额
tmp = data2[['week','income']].groupby('week').sum()
#  2 计算销售额环比: (本期销售额-上期销售额)/上期销售额
t2 = tmp.diff().iloc[1:, :]  #第一个数据是空,因为没得比
t2.index = tmp.index[:-1 ]
num = t2/tmp  #销售额的周环比

diff()方法是数组a[n]-a[n-1]的作用,对应(本期销售额-上期销售额)

# 可视化:双Y轴图像
fig = plt.figure(figsize=(6, 4))
ax1 = fig.add_subplot(111)  # 添加子图
ax1.bar(tmp.index, tmp['income'])
ax1.set_ylabel('收入')
ax1.set_xlabel('周数')
ax1.set_title('自动售货机收入趋势图')

ax2 = ax1.twinx()
ax2.plot(tmp.index[1:], num.iloc[:-1, 0], 'b')
ax2.set_ylabel('环比增长率')
plt.show()

6.2 月环比

# 计算月的销售额环比
# 1、计算每月的销售额
tmp = data2[['month', 'income']].groupby('month').sum()
# 2、计算销售额环比：（本期销售额-上期销售额）/上期销售额
t2 = tmp.diff().iloc[1:, :]
t2.index = tmp.index[:-1]
num = t2/tmp  # 销售额的月环比

# 可视化:双Y轴图像
fig = plt.figure(figsize=(6, 4))
ax1 = fig.add_subplot(111)  # 添加子图
ax1.bar(tmp.index, tmp['income'])
ax1.set_ylabel('收入')
ax1.set_xlabel('月份')
ax1.set_title('自动售货机收入趋势图')

ax2 = ax1.twinx()
ax2.plot(tmp.index[1:], num.iloc[:-1, 0], 'b')
ax2.set_ylabel('环比增长率')
plt.show()

6.3 广州地区的周环比

# 计算周的销售额环比
data_gz = data2.loc[data2['city'] == '广州市', :]
data_gz['week'] = data_gz['下单时间'].dt.week
# 1、计算每一周的销售额
tmp = data_gz[['week', 'income']].groupby('week').sum()
# 2、计算销售额环比：（本期销售额-上期销售额）/上期销售额
t2 = tmp.diff().iloc[1:, :]
t2.index = tmp.index[:-1]
num = t2/tmp  # 销售额的周环比
num

# 可视化:双Y轴图像
fig = plt.figure(figsize=(6, 4))
ax1 = fig.add_subplot(111)  # 添加子图
ax1.bar(tmp.index, tmp['income'])
ax1.set_ylabel('收入')
ax1.set_xlabel('周数')
ax1.set_title('自动售货机收入趋势图--广州地区')

ax2 = ax1.twinx()
ax2.plot(tmp.index[1:], num.iloc[:-1, 0], 'b')
ax2.set_ylabel('环比增长率')
plt.show()

7 不同商品单价的销售情况

1、获取商品单价
2、获取商品购买数量
3、划分单价区间
4、不同单价区间的销售情况

ind = data2['购买数量(个)'] == 1
data2['goods'] = data2['商品详情'].apply(lambda x: re.sub('[Xx]1[;,]?', '', x))
price_data = data2.loc[ind, ['goods', '总金额(元)']].drop_duplicates('goods')

new_data = pd.merge(new_goods_data, price_data, how='left', left_on='产品名称', right_on='goods')
ind = new_data['goods'].isnull()
tmp_sets = new_data.loc[ind, '产品名称'].unique()
ind = data2['商品详情'].apply(lambda x: sum([i in x for i in tmp_sets])!=0)
tmp = data2.loc[ind, :].apply(lambda x: ([i for i in tmp_sets if i in x['商品详情']], x['购买数量(个)'], x['总金额(元)']), axis=1)
tmp = pd.DataFrame({'name':[i[0][0] for i in tmp], 'num':[i[1] for i in tmp], 'total_price': [i[2] for i in tmp]})
tmp['price'] = tmp['total_price']/tmp['num']
tmp2 = tmp.drop_duplicates('name')[['name', 'price']]

new_data = pd.merge(new_data, tmp2, how='left', left_on='产品名称', right_on='name')

ind = new_data['总金额(元)'].isnull()
new_data['单价'] = 0
new_data.loc[ind, '单价'] = new_data.loc[ind, 'price'].copy()
new_data.loc[~ind, '单价'] = new_data.loc[~ind, '总金额(元)'].copy()

ind = new_data['单价'].notnull()
new_data = new_data.loc[ind, ['产品名称', '购买数量', '单价']]

plt.hist(np.repeat(new_data['单价'], new_data['购买数量']), bins=50)
plt.show()

# 指定单价区间
bins = pd.IntervalIndex.from_tuples([(0, 2), (2, 5), (5, 10), (10, 20), (20, 52)])
new_data['bins'] = pd.cut(new_data['单价'], bins)
num = new_data[['bins', '购买数量']].groupby('bins').sum()

plt.bar(range(5), num['购买数量'])
plt.title('不同价格区间的销售情况')
plt.xlabel('价格区间')
plt.ylabel('购买数量')
plt.xticks(range(5), num.index)
plt.show()

plt.pie(num['购买数量'], labels=num.index, autopct='%.2f %%')
plt.title('不同价格区间的销售数量占比情况')
plt.show()

倾向量多价少的交易

货道排放的商品应该以低价商品为主

货道摆放的位置：人流量大、停留时间长的位置

总结