2024-05-27 가상 온라인 쇼핑몰 데이터

import pandas as pd

retail = pd.read_csv('/content/drive/MyDrive/KDT/5. 데이터 분석/데이터/OnlineRetail.csv')

retail

retail.info()

 

 

컬럼

• InvoiceNo: 주문 번호
• StockCode: 상품 코드
• Description: 상품 설명
• Quantity: 주문 수량
• InvoiceDate: 주문 날짜
• UnitPrice: 상품 가격
• InvoiceDate: 고객 아이디
• Country: 고객 거주지역(국가)

# 각 컬럼당 null이 몇 개 있는지 확인

retail.isnull().sum()

# 비회원/탈퇴/휴면회원 제거

retail = retail[pd.notnull(retail['CustomerID'])]

retail

len(retail)

retail.describe()

# 구입 수량이 0 또는 0이하인 데이터를 확인

retail[retail['Quantity'] <= 0]

# 구입 수량이 1이상인 데이터만 저장

retail = retail[retail['Quantity'] >= 1]

len(retail)

# 구입 가격이 0 또는 0이하인 데이터를 확인

retail[retail['UnitPrice'] <=0]

# 구입 가격이 0초과인 데이터만 저장

retail = retail[retail['UnitPrice'] >0]

len(retail)

# 고객의 총 지출비용 파생변수 만들기

# 총 지출비용(CheckoutPrice) = 가격(UnitPrice) * 수량(Qunatity)

retail['CheckoutPrice'] = retail['UnitPrice'] * retail['Quantity']

retail.head()

retail.info()

retail.head()

retail['InvoiceDate'] = pd.to_datetime(retail['InvoiceDate'])

retail.info()

# 전체 매출

total_revenue = retail['CheckoutPrice'].sum()

total_revenue

# 각 나라별 구매 횟수

# pd.options.display.max_info_rows = 50 # 데이터 다 안나올때 조절가능

retail['Country'].value_counts()

# 국가별 매출

rev_by_countries = retail.groupby('Country')['CheckoutPrice'].sum().sort_values()

rev_by_countries

# 국가별 매출에 따른 막대 그래프

plot = rev_by_countries.plot(kind='bar', figsize=(20, 10))

plot.set_xlabel('Country', fontsize=12)

plot.set_ylabel('Revenue', fontsize=12)

plot.set_title('Revenue By Country', fontsize=15)

plot.set_xticklabels(labels=rev_by_countries.index, rotation=45)

rev_by_countries / total_revenue

retail['InvoiceDate'].sort_values(ascending=False)

# 월별 매출 구하기

def extract_month(date):    # 2011-12-09

    month = str(date.month)   # 12

    if date.month < 10:

        month = '0' + month     # 예) 2월일 경우 02

    return str(date.year) + month  # 201112, 201101

rev_by_month = retail.set_index('InvoiceDate').groupby(extract_month)['CheckoutPrice'].sum()

rev_by_month

 

def plot_bar(df, xlabel, ylabel, tilte, 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(tilte, fontsize=titlesize)

    plot.set_xticklabels(labels=df.index, rotation=rotation)

plot_bar(rev_by_month, 'Month', 'Revenue', 'Revenue By Month')

# 요일별 매출 구하기

def extract_weekday(date):

    return date.weekday()

# rev_by_dow = retail.set_index("InvoiceDate").groupby(extract_dow)["CheckoutPrice"].sum()

rev_by_dow = retail.set_index("InvoiceDate").groupby(lambda date: date.dayofweek)["CheckoutPrice"].sum()

rev_by_dow

rev_by_dow

import numpy as np

DAY_OF_WEEK = np.array(['Mon', 'Tue', 'Wed', 'Thur', 'Fri', 'Sat', 'Sun'])

rev_by_dow.index = DAY_OF_WEEK[rev_by_dow.index]

rev_by_dow

rev_by_dow

plot_bar(rev_by_dow, 'DOW', 'Revenue', 'Revenue By DOW')

# 시간대별 매출 구하기

rev_by_hour = retail.set_index('InvoiceDate').groupby(lambda date: date.hour)['CheckoutPrice'].sum()

rev_by_hour

plot_bar(rev_by_hour, 'Hour', 'Revenue', 'Revenue By Hour')

 

데이터로부터 Insight

• 전체 매출의 약 82%가 UK에서 발생
• 매출은 꾸준히 성장하는 것으로 보임(11년 12월 데이터는 9일까지만 포함)
• 토오일은 영업을 하지 않음
• 새벽 6시에 오픈, 오후 9시에 마감이 예상
• 일주일 중 목요일까지는 성장세를 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

'''

 

top_selling = retail.groupby('StockCode')['Quantity'].sum()

top_selling

 

# '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   # head(10) 또는 [:10] => 10개만 출력

top_selling

 

 

문제

• 우수 고객(Customer ID) 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