1.项目背景
随着现代电子商务的飞速发展，顾客购物数据量也在飞速增长。这些数据包含了丰富的信息，如消费者的购买习惯、喜好、趋势等。然而，如何有效地处理和利用这些数据，使其为商业决策提供有价值的洞见，成为了一个重要的问题。为此，通过数据可视化技术，将复杂的数据转化为直观、易理解的图形，可以帮助企业更好地理解市场和消费者行为，进一步优化商业决策。
顾客购物数据的可视化具有广泛的应用场景。例如，商家可以通过对顾客的购买历史进行分析，了解顾客的购买习惯和喜好，从而为他们推荐更符合其需求的产品或服务。此外，商家还可以通过数据可视化来识别销售趋势，预测未来的销售情况，从而制定更有效的销售策略。
本项目旨在通过数据可视化技术，对顾客购物数据进行深入挖掘和分析，为商家提供全面的市场分析和商业洞察。通过使用先进的数据可视化工具和技术，我们将从大量的顾客购物数据中提取有价值的信息，并通过直观的图形展示出来，帮助商家更好地理解市场和消费者行为，优化商业决策。
2.数据集介绍
该数据集来源于kaggle，原始数据集共有3900条，18个特征变量，各变量含义解释如下：
Customer ID- 每个客户的唯一标识符
Age- 顾客的年龄
Gender- 顾客的性别（男/女）
Item Purchased- 客户购买的商品
Category- 购买商品的类别
Purchase Amount (USD)- 以美元计的购买金额
Location- 购买地点
Size- 购买商品的尺寸
Color- 购买商品的颜色
Season- 购买的季节
Review Rating- 客户对所购买商品的评分
Subscription Status- 指示客户是否有订阅（是/否）
Shipping Type- 客户选择的运输类型
Discount Applied- 指示购买时是否应用折扣（是/否）
Promo Code Used- 指示购买时是否使用了促销代码（是/否）
Previous Purchases- 客户先前购买的次数
Payment Method- 客户最喜欢的付款方式
Frequency of Purchases- 客户购买的频率（例如每周、每两周、每月）
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可视化第三方库，并加载数据集
# 导包 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # 导入数据 data=pd.read_csv("shopping_trends_updated.csv") data.head()
接着查看一下数据集的基本信息
# 查看有关数据集的一些基本信息 def summary(data): print(f'data shape : {data.shape}') sum=pd.DataFrame(data.dtypes,columns=['data type']) sum["Missing"]=data.isnull().sum() sum["%Missing"]=(data.isnull().sum()/len(data))*100 sum['#unique']=data.nunique().values desc=pd.DataFrame(data.describe(include="all").transpose()) sum['min']=desc['min'].values sum['max']=desc['max'].values sum['first value']=data.loc[0].values sum['second value']=data.loc[1].values sum['Third value']=data.loc[2].values return sum summary(data)
可以发现该数据集的形状为(3900,18)。在这个数据中，有13个分类列和5个数值列。没有缺失值。客户总数为3900。
5.数据可视化
5.1分析性别比例
colors = ["#89CFF0", "#FF69B4", "#FFD700", "#7B68EE", "#FF4500", "#9370DB", "#32CD32", "#8A2BE2", "#FF6347", "#20B2AA", "#FF69B4", "#00CED1", "#FF7F50", "#7FFF00", "#DA70D6"] # 性别比例 plt.figure(figsize=(6, 4)) G_vis = data['Gender'].value_counts() bars = plt.bar(G_vis.index, G_vis.values, color='gray') plt.xlabel('Gender') plt.ylabel('Number of Gender') plt.title('Gender Distribution') # 给图表填上数据 for bar in bars: plt.text(bar.get_x() + bar.get_width() / 2, bar.get_height(), str(int(bar.get_height())), ha='center', va='bottom') plt.show()
plt.figure(figsize = (20, 6)) counts = data["Gender"].value_counts() explode = (0,0.1) counts.plot(kind = 'pie', fontsize = 12, colors = colors, explode = explode, autopct = '%1.1f%%') plt.xlabel('Gender', weight = "bold", color = "#2F0F5D", fontsize = 14, labelpad = 20) plt.axis('equal') plt.legend(labels = counts.index, loc = "best") plt.show()
可以看出该数据集的顾客是男性多于女性的。
5.2年龄分布
# 年龄分布 plt.figure(figsize=(8, 4)) plt.hist(data['Age'],edgecolor = 'black',alpha=0.7,bins=25,color = 'skyblue',density=True) data['Age'].plot(kind='kde', color = 'red') plt.xlabel('Age') plt.ylabel('Count / Density') plt.title('Age Distribution Histogram with Density Curve') plt.legend(['Density Curve', 'Histogram']) plt.show()
顾客的年龄主要分布在20-70岁之间。
5.3购物种类分析
# 购物种类分布 plt.figure(figsize = (10, 6)) c=data["Category"].value_counts() bar=plt.bar(c.index,c.values,color=colors) # 给图表填上数据 for bar in bar: plt.text(bar.get_x() + bar.get_width() / 2, bar.get_height(), str(int(bar.get_height())), ha='center', va='bottom') plt.title('Category Distribution') plt.show()
counts = data["Category"].value_counts() explode = (0, 0.0, 0.1, 0.2) counts.plot(kind = 'pie', fontsize = 12, colors = colors, explode = explode, autopct = '%1.1f%%') plt.xlabel('Gender', weight = "bold", color = "#2F0F5D", fontsize = 14, labelpad = 20) plt.axis('equal') plt.legend(labels = counts.index, loc = "best") plt.show()
# 不同性别在购物种类上的差异 plt.figure(figsize=(8, 3)) sns.countplot(data=data, x='Category', hue='Gender',palette='pastel') plt.title('Product Category by Gender') plt.xlabel('Product Category') plt.ylabel('Count') plt.legend(title='Gender', labels=data['Gender'].unique()) plt.show()
# 不同性别对具体商品购物情况 plt.figure(figsize=(22,5)) sns.countplot(data=data,x='Item Purchased',hue='Gender',palette='Set2') plt.title('Item Purchased Distribution by Gender') plt.show()
5.4产品型号分析
# 不同产品型号的销售情况 count=data['Size'].value_counts() plt.figure(figsize=(6,4)) bars=plt.bar(count.index,count.values,color=colors) # 给图表填上数据 for bar in bars: plt.annotate(f'{bar.get_height()}', (bar.get_x() + bar.get_width() / 2., bar.get_height()), ha='center', va='center', fontsize=9, color='black', xytext=(0, 5), textcoords='offset points') plt.show()
sns.countplot(data=data,x='Size' ,hue='Gender') plt.show()
# 不同商品种类下各型号的销售情况 plt.figure(figsize=(15,5)) sns.countplot(data=data,x='Category' ,hue='Size') plt.title('Category distribution by Gender') plt.show()
plt.figure(figsize=(10,20)) sns.countplot(data=data,y='Item Purchased',hue='Size') plt.ylabel('Item Purchased', fontsize=10) plt.xlabel('\nNumber of Occurrences', fontsize=10) plt.title('Item Purchased by Gender\n', fontsize=10) plt.xticks(fontsize=10) plt.tight_layout() plt.show()
5.5其他分析
# 不同季节下的各商品种类销售情况 count=data['Season'].value_counts() count.plot(kind='pie',colors=colors,fontsize=12,explode=(0,0.1,0,0.1),autopct='%1.1f%%') plt.show()
# 各种类的用户评级 plt.figure(figsize=(20, 6)) sns.violinplot(x='Category', y='Review Rating', data=data) plt.title('Review Rating by Category') plt.xlabel('Category') plt.ylabel('Review Rating') plt.xticks(rotation=45,fontsize=12) plt.show()
# 不同性别的评价等级分布 sns.kdeplot(data[data['Gender'] == 'Male']['Review Rating'], label='Male', shade=True) sns.kdeplot(data[data['Gender'] == 'Female']['Review Rating'], label='Female', shade=True) plt.title('KDE Plot of Review Rating by Gender') plt.xlabel('Review Rating') plt.ylabel('Density') plt.legend() plt.show()
plt.figure(figsize=(20, 5)) sns.kdeplot(data = data, x = 'Purchase Amount (USD)', hue = 'Season', common_norm = False, fill = True, palette = 'Set1') plt.title('KDE Plot of Purchase Amount by Season') plt.xlabel('Purchase Amount in USD') plt.show()
6.总结
通过本次实验，我们成功地利用数据可视化技术对顾客购物数据进行深入分析，提取了有价值的信息。这些信息可以帮助商家更好地了解市场和消费者行为，优化商业决策。例如，针对消费者的购买习惯周期性特点，商家可以在周末加强促销力度，提高销售额；针对不同地区的销售差异，商家可以制定个性化的销售策略，提高市场占有率；针对某品牌的销售上升趋势，商家可以进一步加大市场推广力度，扩大品牌影响力。
