# 订单维度 # 首先将mydata_finall按订单号进行分组，对商品数量quantity和总价sumcost进行分组求和 invoiceno_grouped = mydata_finall.groupby(\'InvoiceNo\')[[\'Quantity\',\'SumCost\']].sum() invoiceno_grouped.describe() # 根据得到的结果可以发现，均单有279件商品，说明订单多以批发为主，订单均值超过均值， # 说明订单总体差异较大，存在购买力极强的用户，这些用户应该得到重点关注 Quantity SumCost count 19960.000000 19960.000000 mean 279.179359 533.171884 std 955.011810 1780.412288 min 1.000000 0.380000 25% 69.000000 151.695000 50% 150.000000 303.300000 75% 296.000000 493.462500 max 80995.000000 168469.600000 y = invoiceno_grouped[invoiceno_grouped.Quantity <2000][\'Quantity\'] sns.distplot(y,bins = 50,color="b", kde = False) plt.title("Quantity Distribtion Of Orders (Below 2000)") plt.ylabel(\'Frequency\') plt.xlabel("Quantity") plt.show()
#订单内的商品数量呈现出很典型的长尾分布，大部分订单的商品数量在250件内，商品数量越多，订单数相对越少
#绘制订单金额的分布
x = invoiceno_grouped[invoiceno_grouped.SumCost < 1000][\'SumCost\']
sns.distplot(x,bins=100,color=\'b\',kde=False)
plt.title(\'SumCost Distribution of Orders(Below 1000)\')
plt.ylabel(\'Frequency\')
plt.xlabel(\'SumCost\')
plt.show()
#可以看到订单额集中在500以内，而350有一个峰值。
#客户维度
#由于之前在清洗数据的时候把很多nan替换成0，所以客户id为零的实际不能分析出太多东西，所以仅针对customerid不为0的进行分析
sales_useful = sales_normal[sales_normal.CustomerID != 0].copy()
#对客户id和订单编号进行分组，索引会发生变化，所以重设索引，然后对同笔订单的金额和数量进行求和，然后在按照customerid分组展示
customer_grouped = sales_useful.groupby([\'CustomerID\',\'InvoiceNo\'])[[\'Quantity\',\'SumCost\']].sum().reset_index()
#对于groupby的内容使用函数需要使用agg参数,，由于有多个参数，所以我采用了字典
customer_grouped = customer_grouped.groupby(\'CustomerID\').agg({\'InvoiceNo\':np.size, \'Quantity\':np.sum, \'SumCost\':np.sum})
customer_grouped.describe()
#通过这个描述性统计我们可以得到人均购买4笔同一种商品，25%的客户买完意见商品以后就没有留存下来，人均购买1187件商品，甚至超过了Q3的购买量，最多购买196915件商品，人均消费4338英镑，也同样超过了Q3，最多消费280206英镑。
#消费金额分布（分组以后的金额）
x = customer_grouped[customer_grouped[\'SumCost\']<=5000][\'SumCost\']
sns.distplot(x,bins=50,color=\'b\',kde=False)
plt.title(\'SumCost Distribution of Customers (Below 5000)\')
plt.ylabel(\'Frequency\')
plt.xlabel(\'SumCost\')
plt.show()
#通过这个图像我们可以发现的订单金额相对集中，大多在1000以内。
#商品维度
#商品对应的是stackcode，发现不同客户购买同一商品的价格不一致
#下边就是要考虑商品的平均价格，商品的平均价格要按照商品来分组，然后求和Quantity和Sumcost,然后再用求和以后的SumCost 除以Quantity
product_grouped = sales_normal.groupby([\'StockCode\'])[[\'Quantity\',\'SumCost\']].sum()
product_grouped[\'avg_price\'] = stock_grouped[\'SumCost\']/stock_grouped[\'Quantity\']
product_grouped.head()
#查看价格分布
x = product_grouped[product_grouped[\'avg_price\']<=100][\'avg_price\']
sns.distplot(x,bins=100,kde=False)
plt.title(\'avg_price Distribution(avg_price Below 100)\')
plt.ylabel(\'Frequency\') plt.xlabel(\'avg_price\')
plt.show()
# 能够看到绝大多数的商品价格在20英镑以内，可知该网站销售的商品大多是价格比较低的
果然无论是哪个国家的人民都更偏向于低价商品，低价商品在成交量以及成交金额上面都是占据了非常大的部分，而价格较高的商品的销量远低于低价商品，那么可以进一步把平台作为一个走量的平台，就如唯品会。
#时间维度
#按照有效订单分组
time_grouped = sales_useful.groupby(\'InvoiceNo\').agg({\'date\':np.min, \'Month\':np.min,\'Quantity\':np.sum,\'SumCost\':np.sum}).reset_index()
sns.set_style(\'white\')
month = time_grouped.groupby(\'Month\').agg({\'Quantity\': np.sum, \'SumCost\': np.sum, \'InvoiceNo\': np.size}).plot(secondary_y = \'InvoiceNo\', x_compat=True, figsize = (12, 4))
month.set_ylabel(\'Quantity & SumCost\')
month.right_ax.set_ylabel(\'Order quantities\')
plt.show()
#区域维度
#对于区域维度的处理主要是按照客户id和国家分类，然后在把两张表合并在一起
#提取客户id和国家关系表 sales_country = sales_normal.drop_duplicates(subset=[\'CustomerID\',\'Country\'])
按客户分组，然后计算总金额
country_grouped = sales_useful.groupby(\'CustomerID\')[[\'SumCost\']].sum()
两张表合并
country_grouped = country_grouped.merge(sales_country,on=[\'CustomerID\'])
合并以后按照国家在分组，计算消费金额和客户总数
country_grouped = country_grouped.groupby(\'Country\').agg({\'SumCost\':np.sum, \'CustomerID\':np.size})
country_grouped.head()
发现这里的sumcost已经变成了sumcost_x，重命名
country_grouped.rename(columns={\'SumCost_x\':\'SumCost\'},inplace=True) country_grouped.head()
为这个数据集添加一个新的字段，即avgamount 即人均消费。avg_amount = sumcost/cutomerid
country_grouped[\'avg_amount\'] = country_grouped[\'SumCost\']/country_grouped[\'CustomerID\']
country_grouped.head(30)
这里可以发现除了英国以外其他国家的购买人数都很少
我们来按照avg_amount从大到小排列一下
country_grouped.sort_values(by=\'avg_amount\',ascending=False).head(20)
能够看到虽然其他国家购买人数较少，但是人均购买量很可观，可以考虑吧筛选出具体的客户id然后取得联习给予适当的优惠和配备专属客服。
#生命周期
我们知道一个网站能够长久的生存下去，那么客户的生命周期是一个很重要的因素。
由于该数据集的统计对象为2010年12月1日至2011年12月9日的全部订单，所以我们就只能统计这一段时间内的消费情况
首先筛选出id为0的客户
sales_useful = sales_normal[sales_normal.CustomerID != 0].copy()
按照客户id分组，然后找到客户第一次购买和最后一次购买的时间差
#客户第一次购买的时间
min_date = sales_useful.groupby(\'CustomerID\')[[\'date\']].min()
#客户最后一次购买的时间
max_date = sales_useful.groupby(\'CustomerID\')[[\'date\']].max() (max_date - min_date).head(20)
可以看到好多的留存天数很多还是天数是0天，0天代表的是没有留存。
lifetime = max_date - min_date lifetime.describe()
总共有4338个客户，平均留存时间130days，最小值是0天就是没有留存，前25%是0天说明有4分之一的用户是直接流失掉的，50%是93天，说明平均流失时间为93天，可以考虑在90天左右给予优惠促使客户完成购买然后留存下来，前75%是252天，最多的是留存373天。生命周期呈现两极分化的状态。
由于这个timedelta的类型不能绘制图形，所以转换成datetime的形式
life_time[\'life_time\'] = life_time[\'date\'].dt.days
life_time[\'life_time\'].hist(bins = 20, color = \'c\')
plt.title(\'Life Time Distribution\')
plt.ylabel(\'Customer number\')
plt.xlabel(\'Life time (days)\')
plt.show()
可以看到绝大多数都是没有留存，可以考虑增加购买初体验。而且发现在350天左右又有了一个新的高峰
# 将分组增多至100，并拉宽图表的尺寸
life_time[life_time[\'life_time\'] > 0].life_time.hist(bins = 100, figsize = (12, 6), color = \'c\')
plt.title(\'Life Time Distribution without One-time Deal Hunters\')
plt.ylabel(\'Customer number\')
plt.xlabel(\'Life time (days)\')
plt.show()
这个图有很多可以讨论的东西，用户会在75-150天左右有一个显著的下滑，那么我觉得可以考虑给这一部分即将流失的用户发放优惠券等，因为可以看到在170天以后的用户就很活跃了，用户粘性也较高，而且在300天以后的客户激增说明这一部分客户是平台的优质客户，要及时和这些客户沟通，询问客户的意见和建议。
结论：
- 订单维度：该电商网站在2010年12月1日-2011年12月9日内共产生有效订单19960笔，笔单价为533.17英镑，人均购买约279件商品，说明用户群体多以批发商为主，且订单交易金额和订单内商品件数，其均值都高于中位数；订单交易金额的均值甚至高于Q3分位数。说明订单总体差异大，存在部分购买力极强的客户
- 客户维度：通过这个描述性统计我们可以得到人均购买4笔同一种商品，25%的客户买完意见商品以后就没有留存下来，人均购买1187件商品，甚至超过了Q3的购买量，最多购买196915件商品，人均消费4338英镑，也同样超过了Q3，最多消费280206英镑
- 商品维度：能够看到绝大多数的商品价格在20英镑以内，可知该网站销售的商品大多是价格比较低的，且价格越低对应的购买量越高，商品整体是较低价的平民商品
- 时间维度：总共有4338个客户，平均留存时间130days，最小值是0天就是没有留存，前25%是0天说明有4分之一的用户是直接流失掉的，50%是93天，说明平均流失时间为93天，可以考虑在90天左右给予优惠促使客户完成购买然后留存下来，前75%是252天，最多的是留存373天。生命周期呈现两极分化的状态。
- 区域维度：绝大多数的客户是来自英国本土，其他国家的客户较少，但是却多为优质客户，可以对这些客户进行深挖予以物流上面的支持