1. 가상 온라인 쇼핑몰 데이터 활용
- 파일다운로드 확인
- 판다스 import
import pandas as pd
- 파일 가져오기
retail = pd.read_csv('/content/drive/MyDrive/1. KDT/5. 데이터 분석/데이터/OnlineRetail.csv')
retail
 |
- 정보보기
retail.info()
 |
|
### 컬럼 * InvoiceNo : 주문번호
* StockCode : 상품코드
* Description : 상품설명
* Quantity : 주문수량
* InvoiceDate : 주문날짜
* UnitPrice : 상품가격
* CustomerID : 고객 아이디
* Country : 고객 거주지역(국가)
|
- 각 칼럼당 null()이 몇개 있는지 확인해보기
# 각 열에 포함된 null 값의 개수 확인
retail.isnull().sum()
 |
- 비회원/ 탈퇴/휴면회원 제외
# 비회원/탈퇴/휴면회원 제거
retail = retail[pd.notnull(retail['CustomerID'])]
retail
 |
- 비회원/ 탈퇴/휴면회원 개수 확인
len(retail)
retail.describe()
 |
- 구입수량이 0 또는 0 이하인 데이터 확인
# 구입수량이 0 또는 0 이하인 데이터 확인
retail[retail['Quantity'] < 0]
 |
- 구입 수량이 1이상인 데이터만 저장
# 구입 수량이 1이상인 데이터만 저장
retail = retail[retail['Quantity'] >= 1]
len (retail)
 |
- 구입 가격이 0 또는 0 이하인 데이터를 확인
# 구입 가격이 0 또는 0 이하인 데이터를 확인
retail[retail['UnitPrice']<=0]
 |
- 구입 가격이 0 초과인 데이터만 저장
# 구입 가격이 0 초과인 데이터만 저장
retail = retail[retail['UnitPrice']>0]
len(retail)
 |
- 고객의 총 지출비용 파생변수 만들기
# 고객의 총 지출비용 파생변수 만들기
# 총 지출비용(CheckoutPrice) = 가격(UnitPrice) * 수량(Qunatity)
retail['CheckoutPrice'] = retail['UnitPrice'] * retail['Quantity']
retail.head()
 |
- 날짜타입 바꿔주기
retail['InvoiceDate'] = pd.to_datetime(retail['InvoiceDate'])
retail.info()
 |
- 전체매출 구하기
# 전체 매출
total_revenue = retail['CheckoutPrice'].sum()
total_revenue
 |
- 각 나라별 구매 횟수
# 각 나라별 구매 횟수
retail['Country'].value_counts()
더보기
20개만 보기
50개만 보기
 |
- 국가별 매출
# 국가별 매출
rev_by_countiries = retail.groupby('Country')['CheckoutPrice'].sum().sort_values()
rev_by_countiries
  * 오름차순 정렬 |
- 국가별 매출에 따른 막대그래프
#'bar' 형식의 그래프 : 가로 20 / 세로 10
plot = rev_by_countiries.plot(kind='bar', figsize=(20, 10))
# x축 : 'country' (글자 크기 : 12)
plot.set_xlabel('Country', fontsize=12)
# y축 : 'Revenue' (글자 크기 : 12)
plot.set_ylabel('Revenue', fontsize=12)
# 제목 : 'Revenue By Country' (글자 크기 : 15)
plot.set_title('Revenue By Country', fontsize=15)
# x축 : 국가명으로 설정(45도 회전)
plot.set_xticklabels(labels=rev_by_countiries.index, rotation=45)
 |
- 퍼센테이지로 표현
rev_by_countiries / total_revenue
 |
- 확인
retail['InvoiceDate'].sort_values(ascending=False)
 |
- 월별 매출 구하기
# 월별 매출 구하기
def extract_month(date): # 2011-12-09 12:50:00
month = str(date.month) # 12
if date.month < 10:
month = '0' + month # 예) 2월인 경우 02
return str(date.year) + month # 201112, 201101
rev_by_month = retail.set_index('InvoiceDate').groupby(extract_month)['CheckoutPrice'].sum()
rev_by_month
 |
- 월별 매출 막대그래프로 그리기
# 막대그래프 함수화시키기
def plot_bar(df,xlabel,ylabel,title, titlesize=15, fontsize=12, rotation=45, figsize=(20,10)):
plot = df.plot(kind='bar', figsize=figsize)
plot.set_xlabel(xlabel, fontsize=fontsize)
plot.set_ylabel(ylabel, fontsize=fontsize)
plot.set_title(title, fontsize=titlesize)
plot.set_xticklabels(labels=df.index, rotation=rotation)
plot_bar(rev_by_month, 'Month','Revenue','Revenue By Month')
 |
- 요일별 매출 구하기
# 요일별 매출 구하기
def extract_dow(date):
return date.dayofweek
# rev_by_dow = retail.set_index('InvoiceDate').groupby(extract_dow)['CheckoutPrice'].sum()
# rev_by_dow
rev_by_dow = retail.set_index('InvoiceDate').groupby(lambda date: date.dayofweek)['CheckoutPrice'].sum()
rev_by_dow
 |
- 요일 배열을 정의하고 해당 요일로 변환하기
import numpy as np
DAY_OF_WEEK = np.array(['Mon','Tue','Web','Thur','Fri','Sat','Sun'])
rev_by_dow.index = DAY_OF_WEEK[rev_by_dow.index]
rev_by_dow.index
 |
- 요일별 매출 막대그래프로 만들기
plot_bar(rev_by_dow, 'DOW','Revenue','Revenue BY DOW')
 |
- 시간대별 매출 구하기
# 시간대별 매출 구하기
rev_by_hour = retail.set_index('InvoiceDate').groupby(lambda date: date.hour)['CheckoutPrice'].sum()
rev_by_hour
 |
- 시간대별 매출 막대그래프로 만들기
plot_bar(rev_by_hour, 'Hour','Revenue','Revenue BY Hour')
 |
- 데이터로부터 Insight
| * 전체매출의 약 82% 가 UK에서 발생 * 매출은 꾸준히 성장하는 것으로 보임(11년 12월 데이터는 9일까지만 포함) * 토요일은 영업을 하지 않음 * 새벽 6시 오픈, 오후 9시에 마감이 예상 * 일주일중 목요일까지는 성장셀르 보이고 이후 하락 |
- 문제
# 판매제품(StockCode) Top 10
# 단, 기준은 Quantity
'''
StockCode
23843 80995
23166 77916
84077 54415
22197 49183
85099B 46181
85123A 36782
84879 35362
21212 33693
23084 27202
22492 26076
'''
# 'StockCode'별로 'Quantity'의 합계를 계산한 후, 합계가 큰 순서대로 정렬하여 상위 10개를 선택합니다.
top_selling = retail.groupby('StockCode')['Quantity'].sum().sort_values(ascending=False)[:10]
# 상위 10개의 판매 항목을 출력합니다.
top_selling
 |
- 문제
# 우수고객(CustomerID) Top 10
# 단, 기준은 CheckoutPrice
'''
CustomerID
14646.0 280206.02
18102.0 259657.30
17450.0 194550.79
16446.0 168472.50
14911.0 143825.06
12415.0 124914.53
14156.0 117379.63
17511.0 91062.38
16029.0 81024.84
12346.0 77183.60
'''
# 오류뜸
# vvip = retail.groupby('CustomerID')['CheckoutPrice'].sum().sort_values(ascending=False)[:10]
vvip = retail.groupby('CustomerID')['CheckoutPrice'].sum().sort_values(ascending=False).head()
vvip
  |
'데이터분석 > 실습' 카테고리의 다른 글
| 06. 데이터분석5 : 떡볶이 프렌차이즈의 입점전략 (0) | 2024.06.03 |
|---|---|
| 05. 데이터분석4 : 서울시 따릉이 API 데이터 활용 (0) | 2024.06.03 |
| 04. 데이터분석3 : 전국 도시공원 데이터 (0) | 2024.05.28 |
| 03. 데이터분석2 : 상권별 업종 밀집 통계 데이터 (0) | 2024.05.28 |
| 01. Matplotlib (0) | 2024.05.27 |
