1.项目背景
随着电子商务的蓬勃发展，顾客购物行为数据成为了企业获取市场洞察和制定营销策略的重要资源。企业收集的购物数据包括顾客的购买历史、产品浏览记录、交易金额、购买频率等信息。这些数据蕴含着大量有价值的信息，但纯粹的原始数据难以直观地理解和分析。
数据可视化是将数据转化为可视化图表、图形和图像的过程，可以帮助人们更直观地理解和分析数据。通过对顾客购物数据进行可视化分析，企业可以揭示购物行为的模式、趋势和关联关系，为决策制定提供依据。
通过购物数据可视化分析，企业可以了解以下方面的信息：
顾客行为洞察：通过可视化图表，企业可以了解顾客的购买偏好、产品偏好、购物渠道偏好等，帮助企业优化产品定位和市场推广策略。
购物路径分析：通过可视化展示顾客在购物过程中的浏览路径和转化率，企业可以发现购物过程中的瓶颈和流失点，并优化用户体验和销售流程。
产品销售分析：通过可视化呈现产品销售量、销售额、销售趋势等数据，企业可以评估产品的市场表现，调整库存和供应链管理，以满足市场需求。
顾客细分与个性化营销：通过可视化分析购物数据，企业可以识别不同顾客群体的特征和行为模式，从而进行细分和个性化营销，提高销售转化率和顾客忠诚度。
综上所述，顾客购物数据的可视化分析可以帮助企业更好地理解顾客行为、优化营销策略、改进用户体验，从而提高销售业绩和竞争力。
2.数据集介绍
本数据集来源于kaggle，原始数据集共有99457条，10个特征变量，各变量含义解释如下：
Invoice_no：发票编号。标称。字母“I”和唯一分配给每个操作的 6 位整数的组合。
customer_id：客户编号。标称。字母“C”和唯一分配给每个操作的 6 位整数的组合。
gender：客户性别的字符串变量。
age：顾客年龄的正整数变量。
category：所购买产品的类别的字符串变量。
quantity：每笔交易的每种产品（商品）的数量。数字。
price：单价。数字。每单位产品价格以土耳其里拉 (TL) 表示。
payment_method：用于交易的支付方式（现金、信用卡或借记卡）的字符串变量。
Invoice_date：发票日期。生成交易的日期。
Shopping_mall：进行交易的购物中心名称的字符串变量。
3.技术工具
Python版本:3.9
代码编辑器：jupyter notebook
4.导入数据
首先导入本次实验用到的第三方库，然后加载数据集
import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from datetime import datetime import calendar from calendar import month_name as mn import warnings warnings.filterwarnings('ignore') df = pd.read_csv('customer_shopping_data.csv') df.head()
查看数据大小
查看数据基本信息
查看数值型变量描述性统计
查看非数值型变量描述性统计
创建总价变量，便于后面分析
5.数据探索性分析
5.1分析不同性别的购物总价
sns.barplot(data = df,x='gender',y='Item_Total',estimator = sum) plt.title('Gender wise shopping') plt.show()
从图可以看出，女性似乎比男性更喜欢购物。
5.2分析不同性别的购物差异
plt.figure(figsize=(10,6)) sns.barplot(data=df,x='category',y='Item_Total',hue = 'gender',estimator = sum) plt.title('Category Wise Shopping') plt.show()
从上图中可以看出，在同一类别中，男性的购物率大约是女性的60-70%。此外，主要的购物类别包括服装、鞋子和科技产品。
5.3分析年龄分布情况
# 定义一个函数，将年龄列划分为不同的组 def age_to_group(x): if (x<=20): return '< 20' elif ((x>20) & (x<=30)): return '20 to 30' elif ((x>30) & (x<=40)): return '30 to 40' elif ((x>40) & (x<50)): return '40 to 50' elif ((x>50) & (x<60)): return '50 to 60' else: return '> 60' df['age_group'] = df['age'].apply(age_to_group) # 按特定顺序创建年龄组列表，以便在横轴图的x轴上相应地显示 agegroup = ['< 20','20 to 30','30 to 40','40 to 50','50 to 60', '> 60'] plt.figure(figsize=(10,6)) sns.barplot(data=df,x='age_group',y='Item_Total',estimator = sum, order = agegroup) plt.title('Age Wise Shopping') plt.show()
plt.figure(figsize=(10,6)) sns.barplot(data=df,x='age_group',y='Item_Total',hue = 'gender',estimator = sum, order = agegroup) plt.title('Age & Gender Wise Shopping') plt.show()
从图可以看出60岁以上的顾客购物最多，且不管是哪个年龄段都是女性顾客多于男性顾客。
5.4分析不同年龄段的购物差异
plt.figure(figsize=(10,6)) sns.barplot(data=df,x='age_group',y='Item_Total',hue = 'category',estimator = sum, order = agegroup) plt.title('Age & Category Wise Shopping') plt.show()
从图可以看出，不管是哪个年龄段，服装/鞋子/食物这三样东西购买频次都是排在前三的，且远大于其他购物。
5.5分析不同性别/年龄/类别的支付方式
plt.figure(figsize=(10,6)) sns.barplot(data=df,x='gender',y='Item_Total',hue = 'payment_method',estimator = sum) plt.title('Payment method Wise Shopping') plt.show()
plt.figure(figsize=(10,6)) sns.barplot(data=df,x='category',y='Item_Total',hue = 'payment_method',estimator = sum) plt.title('Category & Payment mode Wise Shopping') plt.show()
plt.figure(figsize=(10,6)) sns.barplot(data=df,x='age_group',y='Item_Total',hue = 'payment_method',estimator = sum,order=agegroup) plt.title('Age & Payment mode Wise Shopping') plt.show()
大多数人喜欢用现金购物 优先顺序:现金>>信用卡>>借记卡
5.6分析消费最多的购物中心
mall = df['shopping_mall'].value_counts() plt.figure(figsize=(10,6)) sns.barplot(data=df,x=mall.index,y=mall) plt.title('Shopping Mall Frequency in Shopping') plt.xticks(rotation = 60, fontsize = 13) plt.show()
最高的购物频率和消费发生在伊斯坦布尔、坎永和大都会的购物中心。
5.7分析各年/月的购物总价
## 从列'invoice_date'中创建单独的列'Month'和'Year'，以便进一步分析 df['invoice_date'] = pd.to_datetime(df['invoice_date']) df['Year'] = df['invoice_date'].dt.strftime('%Y').astype(int) df['Month'] = df['invoice_date'].dt.strftime('%m').astype(int) # 定义一个函数从月号生成月名，然后将其映射到一个单独的列表示绘制图形的可行性 def month_num_name(x): return calendar.month_name[x] df['Month Name'] = df['Month'].apply(month_num_name) # 月份列表 months = mn[1:] # 将列转换为分类和有序列 df['Month Name'] = pd.Categorical(df['Month Name'], categories=months, ordered=True) plt.figure(figsize=(10,6)) sns.lineplot(data=df,x='Month Name',y='Item_Total',hue = 'Year',estimator = sum,palette='Set1') plt.title('Monthly Shopping') plt.xticks(rotation = 60, fontsize = 13) plt.grid() plt.show()
从上图来看，2023年似乎没有足够的数据。 然而，从2022年开始，与前一年2021年相比，购物似乎达到了基准，这很好。
plt.figure(figsize=(14,11)) ## 绘制2021年的月度购物情况 df_year = df[(df['Year'] == 2021) & (df['category'].isin(['Clothing','Shoes','Technology']))] df_year = df_year.sort_values('category') plt.subplot(2, 1, 1) sns.lineplot(data = df_year,x='Month Name',y='Item_Total',hue = 'category',estimator = sum) plt.title('Monthly Shopping Trend in 2021') ## 绘制2022年的月度购物图 df_year2 = df[(df['Year'] == 2022) & (df['category'].isin(['Clothing','Shoes','Technology']))] df_year2 = df_year2.sort_values('category') plt.subplot(2, 1, 2) sns.lineplot(data = df_year2,x='Month Name',y='Item_Total',hue = 'category',estimator = sum) plt.title('Monthly Shopping Trend in 2022') plt.show()
服装在2021和2022七月购买总价达到巅峰，鞋子在3月和5月达到巅峰，科技产品均在10月达到巅峰。
