【数据分析&数据挖掘】连锁超市数据分析案例

import pandas as pd

# 加载数据
data = pd.read_csv("./order.csv", encoding="ansi")
# print("data: 
", data)
print("data的列索引: 
", data.columns)

# 销量中存在销量为0， 或者销量<0的数据
# 删除不正确的数据
# ——保留销量>0的数据据
bool_index = data.loc[:, "销量"] > 0
data = data.loc[bool_index, :]

# 1、哪些类别的商品比较畅销？
# 按照类别id进行分组， 统计销量的sum
# sort_values 排序，默认是升序排序
# by 指定按照某列的数据进行排序
# ascending = True 升序
res = data.groupby(by="类别ID")["销量"].sum().sort_values(ascending=False).head(10)
res = pd.pivot_table(
    data=data,
    index="类别ID",
    # columns="类别ID",
    values="销量",
    aggfunc="sum"
).sort_values(by="销量", ascending=False).head(10)
print("res: 
", res)

# 2、哪些商品比较畅销
res = data.groupby(by="商品ID")["销量"].sum().sort_values(ascending=False).head(10)
res = pd.pivot_table(
    data=data,
    index="商品ID",
    values="销量",
    aggfunc="sum"
).sort_values(by="销量", ascending=False).head(10)
print("res: 
", res)

# 3、求不同门店的销售额占比
# (1)先计算每一个商品的销售额
data.loc[:, "销售额/单个商品"] = data.loc[:, "单价"] * data.loc[:, "销量"]

# (2)按照门店编号进行分组，统计每个商品的销售额的sum和
all_ = data.groupby(by="门店编号")["销售额/单个商品"].sum()

print(all_)
# (3)计算占比
print("各个门店的占比为：", (all_ / all_.sum()).apply(lambda x: format(x, ".2%")))


# 4、哪个时间段是超市的客流高峰期？
# (1)因为多个商品对应一个订单ID，每一个订单ID为一个人，需先对ID进行去重
# 数据的去重
# subset 需要去重的列
# inplace = True 修改原数据
data.drop_duplicates(subset='订单ID', inplace=True)
print("去重之后的数据: 
", data)

# (2)获取小时属性
data.loc[:, "成交时间"] = pd.to_datetime(data.loc[:, "成交时间"])

data.loc[:, "hour"] = [i.hour for i in data.loc[:, "成交时间"]]

print(data)

# (3)按照小时分组，统计每个小时内订单的数量
res = data.groupby(by="hour")["订单ID"].count().sort_values(ascending=False)

print("res: 
", res)

# sort_index() 按照行索引的大小进行排序