利用Python进行数据分析之超市零售分析 |
您所在的位置：网站首页 › 春节超市销售提升方法 › 利用Python进行数据分析之超市零售分析 |
利用Python进行数据分析之超市零售分析
|
[email protected]，Pycharm2019.3.3，Python3.7.7，jupyter notebook
超市零售数据分析
1 背景与需求2 数据收集与整合3 数据清洗4 数据分析及可视化4.1 销售情况分析4.1.1 销售额分析4.1.2 销量分析4.1.3 利润分析4.1.4 客单价分析4.1.5 市场布局分析
4.2 商品情况分析4.2.1 销量前10名的商品4.2.2 销售额前10名的商品4.2.3 利润前10的商品4.2.4 商品种类销售情况
4.3 用户情况分析4.3.1 不同类型的用户占比4.3.2 用户下单行为分析4.3.3 RFM模型分析4.3.4 新用户、活跃用户、不活跃用户和回归用户分析4.3.5 复购率和回购率分析
5 总结6 参考资料
1 背景与需求
本文主要对一家全球超市四年（2011-2014）的销售数据进行销售情况分析、商品情况分析和用户情况分析，并给出提升销量的建议。（本文基于参考资料[2]，在其基础上做了进一步的分析，并得出详细的结论） 销售情况分析：销售额、销量、利润、客单价和市场布局等情况分析； 商品情况分析：商品结构、优势商品、劣势/待优化商品等情况分析； 用户情况分析：客户数量、新老客户、RFM模型、复购率和回购率等情况分析。 2 数据收集与整合数据来源于kaggle平台，是一份全球大型超市四年的零售数据集，共有51290条数据，共24个特征。想获取原始数据集，见参考资料。 整合数据： # 加载数据分析需要使用的库 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import warnings plt.rcParams['font.sans-serif'] = ['SimHei'] warnings.filterwarnings('ignore') #数据加载和整合 # 加载零售数据集，使用'ISO-8859-1'编码方式 df = pd.read_csv('superstore_dataset2011-2015.csv',encoding='ISO-8859-1') df.head() #数据大小 df.shape #数据分布情况 df.describe() 3 数据清洗1）改写不符合规则的列名，统一采用下划线格式 #重命名列名 df.rename(columns = lambda x: x.replace(' ', '_').replace('-', '_'), inplace=True)2）将下单日期改为datetime类型 df["Order_Date"] = pd.to_datetime(df["Order_Date"])3）方便后续的分析，新增加年份列和月份列 df['year'] = df["Order_Date"].dt.year df['month'] = df['Order_Date'].values.astype('datetime64[M]')4）邮编信息一列缺失太多，且对后续分析无影响，直接删除 #查看缺失值 df.isnull().sum(axis=0) #删除邮编信息列 df.drop(["Postal_Code"],axis=1, inplace=True)5）查看有无异常值 #异常值处理 df.describe() #无异常，不需要处理 #重复值处理 df.duplicated().sum() #无重复值，不需要处理 4 数据分析及可视化 4.1 销售情况分析构建销售情况子数据集，并按照年份、月份对销售子数据集进行分组求和。 # 整体销售情况子数据集，包含下单日期、销售额、销量、利润、年份、月份信息 sales_data = df[['Order_Date','Sales','Quantity','Profit','year','month']] #按照年份、月份对销售子数据集进行分组求和 sales_year = sales_data.groupby(['year','month']).sum()部分结果如下： Sales Quantity Profit year month 2011 2011-01-01 138241.30042 2178 13457.23302 2011-02-01 134969.94086 1794 17588.83726 2011-03-01 171455.59372 2183 16169.36062 2011-04-01 128833.47034 2181 13405.46924 2011-05-01 148146.72092 2057 14777.45792 2011-06-01 189338.43966 2715 25932.87796 2011-07-01 162034.69756 2266 10631.84406 2011-08-01 219223.49524 2909 19650.67124 2011-09-01 255237.89698 3357 32313.25458 2011-10-01 204675.07846 2615 30745.54166 2011-11-01 214934.29386 3165 21261.40536 2011-12-01 292359.96752 4023 33006.85862对以上数据进行拆分，每年为一个表 year_2011 = sales_year.loc[(2011,slice(None)),:].reset_index() year_2012 = sales_year.loc[(2012,slice(None)),:].reset_index() year_2013 = sales_year.loc[(2013,slice(None)),:].reset_index() year_2014 = sales_year.loc[(2014,slice(None)),:].reset_index() 4.1.1 销售额分析 #销售额分析 sales=pd.concat([year_2011['Sales'],year_2012['Sales'], year_2013['Sales'],year_2014['Sales']],axis=1) # 对行名和列名进行重命名 sales.columns=['Sales-2011','Sales-2012','Sales-2013','Sales-2014'] sales.index=['Jau','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'] # 颜色越深，销售额越高 sales.style.background_gradient()
计算每年的销售总额及增长率并绘图显示： sales_sum=sales.sum() sales_sum.plot(kind='bar',alpha=0.5) plt.grid() # 计算每年增长率 rise_12=sales_sum[1]/sales_sum[0]-1 rise_13=sales_sum[2]/sales_sum[1]-1 rise_14=sales_sum[3]/sales_sum[2]-1 rise_rate=[0,rise_12,rise_13,rise_14] # 显示增长率 sales_sum=pd.DataFrame({'sales_sum':sales_sum}) sales_sum['rise_rate']=rise_rate
从上图可以看出，销售额是逐年递增的，2014的销售额接近于2011年的两倍，说明公司发展势头很好。接着了解每月的销售额情况，用面积图显示 sales.plot.area(stacked=False)
因此，下半年运营推广等策略要继续维持，还可以加大投入，提高整体销售额；而在上半年，可以结合产品特点进行新产品拓展，举办一些促销活动等吸引客户。 4.1.2 销量分析构建销量表并递增显示 #销量分析 quantity = pd.concat([year_2011['Quantity'],year_2012['Quantity'], year_2013['Quantity'],year_2014['Quantity']],axis=1) # 对行名和列名进行重命名 quantity.columns=['Quantity-2011','Quantity-2012','Quantity-2013','Quantity-2014'] quantity.index=['Jau','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'] # 颜色越深，销量越高 quantity.style.background_gradient()
计算销量增长率和每年的销量总和 # 计算年度销量并图表展示 quantity_sum=quantity.sum() quantity_sum.plot(kind='bar',alpha=0.5) plt.grid() # 计算每年增长率 rise_12=quantity_sum[1]/quantity_sum[0]-1 rise_13=quantity_sum[2]/quantity_sum[1]-1 rise_14=quantity_sum[3]/quantity_sum[2]-1 rise_rate=[0,rise_12,rise_13,rise_14] # 显示增长率 quantity_sum=pd.DataFrame({'quantity_sum':quantity_sum}) quantity_sum['rise_rate']=rise_rate
构建利润表 profit=pd.concat([year_2011['Profit'],year_2012['Profit'], year_2013['Profit'],year_2014['Profit']],axis=1) profit.columns=['Profit-2011','Profit-2012','Profit-2013','Profit-2014'] profit.index=['Jau','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'] profit.style.background_gradient()结果如下： 计算每年总利润和利润率 profit_sum=profit.sum() profit_sum.plot(kind='bar',alpha=0.5) plt.grid() profit_sum=pd.DataFrame({'profit_sum':profit_sum}) profit_sum["year"] = [2011, 2012, 2013, 2014] sales_sum=pd.DataFrame({'sales_sum':sales.sum()}) sales_sum["year"] = [2011, 2012, 2013, 2014] profit_sum = pd.merge(profit_sum, sales_sum) profit_sum["profit_rate"] = profit_sum["profit_sum"] / profit_sum["sales_sum"]
客单价（per customer transaction）是指商场（超市）每一个顾客平均购买商品的金额，也即是平均交易金额。（百度百科） 客单价的计算公式是：客单价=销售额÷成交顾客数。 > # 2011-2014年客单价 for i in range(2011,2015): data=df[df['year']==i] price=data[['Order_Date','Customer_ID','Sales']] # 计算总消费次数 price_dr=price.drop_duplicates( subset=['Order_Date', 'Customer_ID']) # 总消费次数：有多少行 total_num=price_dr.shape[0] print('{}年总消费次数='.format(i),total_num) unit_price = price['Sales'].sum()/total_num print('{}年客单价='.format(i), unit_price,'\n') ------------------------------------------------------------------------------ 2011年总消费次数= 4453 2011年客单价= 507.3997070604087 2012年总消费次数= 5392 2012年客单价= 496.55762136498515 2013年总消费次数= 6753 2013年客单价= 504.3308824788983 2014年总消费次数= 8696 2014年客单价= 494.4647965225392从输出结果来看，总消费次数呈现逐年递增的趋势，但是客单价保持在500左右不变。 4.1.5 市场布局分析分析不同地区之间的销售情况 Market_Year_Sales = df.groupby(['Market', 'year']).agg({'Sales':'sum'}).reset_index().rename(columns={'Sales':'Sales_amounts'}) Market_Year_Sales.head() sns.barplot(x='Market', y='Sales_amounts', hue='year', data = Market_Year_Sales) plt.title('2011-2014 market sales')
计算各个地区销售额占总销售额的百分比 Market_Sales = df.groupby(['Market']).agg({'Sales':'sum'}) Market_Sales["percent"] = Market_Sales["Sales"] / df["Sales"].sum() Market_Sales.style.background_gradient()
从结果可以看出，销量最高的大部分是办公用品，而销售额最高的大部分是电子产品、家具这些单价较高的商品。 4.2.3 利润前10的商品 productId_Profit= df.groupby('Product_ID').sum()['Profit'].sort_values(ascending=False) print(productId_Profit.head(10)) ------------------------------------ Product_ID TEC-CO-10004722 25199.9280 OFF-AP-10004512 10345.5840 TEC-PH-10004823 8121.4800 OFF-BI-10003527 7753.0390 TEC-CO-10001449 6983.8836 FUR-CH-10002250 6123.2553 TEC-PH-10004664 5455.9482 OFF-AP-10002330 5452.4640 TEC-PH-10000303 5356.8060 FUR-CH-10002203 5003.1000 Name: Profit, dtype: float64利润最高的大部分是电子类产品。 4.2.4 商品种类销售情况 # 根据商品种类和子种类，重新重合成一个新的种类 df['Category_Sub_Category'] = df[['Category','Sub_Category']].apply(lambda x:str(x[0])+'_'+str(x[1]),axis=1) # 按照新的种类进行分组，统计销售额和利润 df_Category_Sub_Category=df.groupby("Category_Sub_Category").agg({"Profit":"sum","Sales":"sum"}).reset_index() # 按照销售额倒序排序 df_Category_Sub_Category.sort_values(by=["Sales"],ascending=False, inplace=True) # 每个种类商品的销售额累计占比 df_Category_Sub_Category['cum_percent'] = df_Category_Sub_Category['Sales'].cumsum()/df_Category_Sub_Category['Sales'].sum() df_Category_Sub_Category
每一年不同类型的用户数量情况 Segment_Year = df.groupby(["Segment", 'year']).agg({'Customer_ID':'count'}).reset_index() sns.barplot(x='Segment', y='Customer_ID', hue='year', data = Segment_Year) plt.title('2011-2014 Segment Customer')
不同类型的用户每年贡献的销售额： Segment_sales = df.groupby(["Segment", 'year']).agg({'Sales':'sum'}).reset_index() sns.barplot(x='Segment', y='Sales', hue='year', data = Segment_sales) plt.title('2011-2014 Segment Sales')
获取新的子数据集 grouped_Customer = df[['Customer_ID','Order_Date', 'Quantity', 'Sales', 'month']].sort_values(['Order_Date']).groupby('Customer_ID') grouped_Customer.head()用户的第一次购买日期分布 grouped_Customer.min().Order_Date.value_counts().plot()
用户的最后一次购买日期分布 grouped_Customer.max().Order_Date.value_counts().plot()
只购买过一次的客户数量 # 统计每个客户第一次和最后一次购买记录 Customer_life = grouped_Customer.Order_Date.agg(['min','max']) # 查看只有一次购买记录的顾客数量，第一次和最后一次是同一条记录，则说明购买只有一次 (Customer_life['min'] == Customer_life['max']).value_counts() ----------------------------------------------------- False 1580 True 10 dtype: int64购买一次的用户只有10位，说明该商家在维持老客方面做得很不错，这也保证了商家的销售额。 4.3.3 RFM模型分析R是指用户的最近一次消费时间，用最通俗的话说就是，用户最后一次下单时间距今天有多长时间了，这个指标与用户流失和复购直接相关。 F是指用户下单频率，通俗一点儿就是，用户在固定的时间段内消费了几次。这个指标反映了用户的消费活跃度。 M是指用户消费金额，其实就是用户在固定的周期内在平台上花了多少钱，直接反映了用户对公司贡献的价值。 而RFM模型就是通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标，来描述该客户的价值状况。
设置Customer_ID为索引，month为列名，统计每个月的购买次数。 pivoted_counts = df.pivot_table(index= 'Customer_ID', columns= 'month', values= 'Order_Date', aggfunc= 'count').fillna(0) # 大于一次的全部设为1 df_purchase = pivoted_counts.applymap(lambda x:1 if x>0 else 0) df_purchase.head()定义状态函数并进行状态标记。 def active_status(data): status = [] for i in range(48): if data[i] == 0: if len(status)>0: if status[i-1] == "unreg": # 未注册客户 status.append("unreg") else: # 不活跃用户 status.append("unactive") else: status.append("unreg") # 若本月消费了 else: if len(status) == 0: # 新用户 status.append("new") else: if status[i-1] == "unactive": # 回归用户 status.append("return") elif status[i-1] == "unreg": status.append("new") else: status.append("active") return pd.Series(status) purchase_stats = df_purchase.apply(active_status,axis =1) purchase_stats.head()结果如下：
复购率计算指标：用户在该月购买过一次以上算复购。 purchase_r = pivoted_counts.applymap(lambda x :1 if x>1 else np.NaN if x==0 else 0) (purchase_r.sum()/purchase_r.count()).plot(figsize=(10,4))
回购率计算指标：在该月购买过，且在下月也购买时计入回购。 def purchase_back(data): status=[] for i in range(47): if data[i] ==1: if data[i+1] == 1: status.append(1) if data[i+1] == 0: status.append(0) else: status.append(np.NaN) status.append(np.NaN) return status purchase_b = df_purchase.apply(purchase_back,axis =1,result_type='expand') (purchase_b.sum()/purchase_b.count()).plot(figsize=(10,4))
从上可以发现复购率基本大于0.52，且呈总体上升趋势，说明客户忠诚度高，也和之前分析的商家维持老客做得很好相对应；回购率在年中年末呈峰形态，可能与商家折扣活动或节日有关，间接也说明活动或节日起到了一定的影响力。 5 总结1）从销售情况分析来看，每年下半年的销售额、销量和利润均是明显好于上半年，且均逐年递增；从输出结果来看，总消费次数呈现逐年递增的趋势，但是客单价保持在500左右不变；不管在哪个地区，销售额呈现逐年递增的趋势。 2）从商品情况分析来看，销量最高的大部分是办公用品，电子产品的销售额最高而且利润最大，所以商家可以持续发展在电子产品类的利润优势，但是Tables(桌子)的利润是负的，需要保持关注，收集更多数据去了解和确定产生负利润的原因。 3）从用户情况分析来看，不管是哪种类型的用户，其数量和销售额每年都是呈现一个递增的趋势；该商家在维持老客方面做得很不错，但是2013年初后，新客增长趋势缓慢，商家需要通过广告、活动等方式吸引更多的新客。 6 参考资料1、原始数据集 链接：https://pan.baidu.com/s/13QNHG7sRZu4iwcJ4Sz9F1g 提取码：ec7j 2、数据分析实战之超市零售分析 3、RFM模型 4、python 数据表格的合并和重塑 |
从上面的销售额表可以得出，下半年的销售额明显好于上半年，且逐年递增。
从图中可以看出，在一年中，销售额基本呈现整体递增趋势，下半年好于上半年。
与销售额趋势一致，销量也是下半年好于上半年，且逐年递增。
利润变化和销售额、销量变化一致，下半年利润高于上半年，逐年在递增。说明公司近几年持续收益很高，发展很不错。
不管在哪个地区，销售额呈现逐年递增的趋势。
从图表可以看出，每个地区每年销售额总体处于上升趋势，其中APAC(亚太地区)、EU(欧盟)、US(美国)、LATAM(拉丁美洲)的销售额超过了总销售额的85%，总体也与地区的经济发展相匹配。其中加拿大Canada的销售额微乎其微，可以结合公司整体战略布局进行取舍。
从表中可以看出，有将近一半的商品的总销售占比达到84%，大概率是自家优势主营产品，后续经营中应继续保持，可以结合整体战略发展适当加大投入，逐渐形成自己的品牌。 需要关注的是，Tables(桌子)的利润是负，表明这个产品目前处于亏损状态，应该是促销让利太多。通过检查原数据，发现Tabels大部分都在打折，打折的销量高达76%。如果是在清库存，这个效果还是不错的，但如果不是，说明这个产品在市场推广上遇到了瓶颈，或者是遇到强竞争对手，需要结合实际业务进行分析，适当改善经营策略。
蓝色部分最大，也就是说，普通用户占比是最多的。
从上图可以看出，不管是哪种类型的用户，每年都是呈现一个递增的趋势，这个势头很不错。
与用户数量变化一样，不管是哪种类型的用户，用户销售额每年都是呈现一个递增的趋势。
可以看出， 在2013年初以后新用户增长的趋势缓慢，长期来看，这不利于商家的发展，所以商家可以通过广告等推广策略吸收更多的新用户。如果能够在新客户获取上能够突破，会给企业带来很大的增长空间。
通过观察最近一次购买日期，可以发现用户基本没有流失，也验证了每年销售额的增长趋势。
构建RFM表
对客户价值进行标注，将客户分为8个等级
重要价值客户和非重要价值客户进行可视化展示
从图中可以看出，R值小的F值大的点数占多，这说明最近购买的日期很近，交易频率也很高，这是很好的现象。
用NaN替代 “unreg”，并统计每月各状态客户数量。
从以上结果可以发现活跃客户、新客户和回归客户，每年呈一定的规律起伏，这可能和年终大促有关，需要更多数据进行验证。
【本文地址】
今日新闻 |
推荐新闻 |