실전 예제 - 온-오프라인 비지니스 분석 11

패스트캠퍼스 '직장인을 위한 파이썬 데이터분석 올인원 패키치 Online' 참조

 

 

 

 

01 월별 매출액

# for문을 이용해서 날짜데이터를 string으로 변환후 원하는 포맷으로 출력하기

# # row가 많아 시간이 조금 걸릴 수 있습니다.
# # date.strftime(format) : 지정된 포맷에 맞춰 date 객체의 정보를 문자열로 반환합니다.

for i in range(len(df_clean)):
    
    # i번째 'date'칼럼에 원하는 값 지정
    date = df_clean['order_approved_at'][i].strftime('%Y%m')
    df_clean.loc[ i, 'order_date'] = date


# apply lambda를 이용해서 날짜데이터를 string으로 변환후 원하는 포맷으로 출력하기

df_clean['order_date'] = df_clean['order_approved_at'].apply(lambda x : x.strftime('%Y%m') )
df_clean['order_date']

0        201710
1        201807
2        201808
3        201711
4        201802
          ...

# pivot_table을 통해 상품카테고리들의 연월별 평균 매출액 출력

df_order_pivot = df_order_tmp.pivot_table(
                              values='order_amount',
                              index='product_category_name_english',
                              columns='order_date',
                              aggfunc='mean')

df_order_pivot

 

• 2016~2018년 까지 전체 매출이 가장 높은 'health_beauty' 카테고리 월별 변화량 시각화

# health_beauty 카테고리의 연월별 평균 매출액 출력
df_order_pivot.loc["health_beauty",:]
order_date
201609   134.97
201610    91.82
201612      nan
201701   147.45
201702   154.94
201703   131.73
...

# 연월별 평균매출액 출력
# null값은 제외

df_health_beauty = pd.DataFrame(df_order_pivot.loc["health_beauty",:])
df_health_beauty = df_health_beauty.reset_index()
df_health_beauty.columns = ['date', 'health_beauty_amount']
df_health_beauty.dropna(inplace=True)
df_health_beauty

# 막대그래프로 시각화

plt.figure(figsize=(12,8))
sns.barplot(data = df_health_beauty,
                 x='date',
                 y="health_beauty_amount",
                 palette="Blues_d"
                )
# ax.set_xticklabels(ax.get_xticklabels(),rotation=30)
plt.xticks(fontsize=14, rotation=30)
plt.show()

▶ 추이를 보기에는 꺾은선 그래프가 낫다

# lineplot으로 시각화

plt.figure(figsize=(12,8))
ax = sns.lineplot(data = df_health_beauty,
                 x='date',
                 y="health_beauty_amount",
                 palette="Blues_d"
                )
ax.set_xticklabels(ax.get_xticklabels(),rotation=30)
plt.show()

 

 

 

 

02 결제 방법 분석

df_order_pay = pd.read_csv('olist_order_payments_dataset.csv')
# 데이터 정보
df_order_pay.info()
#   Column                Non-Null Count   Dtype  
---  ------                --------------   -----  
 0   order_id              103886 non-null  object 
 1   payment_sequential    103886 non-null  int64  
 2   payment_type          103886 non-null  object 
 3   payment_installments  103886 non-null  int64  
 4   payment_value         103886 non-null  float64
 
 # 결측치
df_order_pay.isnull().sum()
order_id                0
payment_sequential      0
payment_type            0
payment_installments    0
payment_value           0

# payment_sequential이 최대값인 order_id 확인

df_order_pay[df_order_pay['payment_sequential']==df_order_pay['payment_sequential'].max()]

• 데이터스키마에는 payment_sequential 칼럼은 "지불 방법의 종류"라고 설명되어 있다. 위의 결과를 보면 동일한 주문번호 내 payment_type이 voucher로, payment_sequential이 다르게 부여된 것으로 볼 때, 이 주문은 각기 다른 바우처(=상품권)를 사용된 것으로 예상해볼 수 있다.

# 결제 방법 별 수 확인

df_order_pay['payment_type'].value_counts()
credit_card    76795
boleto         19784
voucher         5775
debit_card      1529
not_defined        3

# 결제방법이 신용카드인 경우 확인

df_credit = df_order_pay[df_order_pay['payment_type']=='credit_card']
df_credit

# 요약 정보 확인

df_credit.describe()

신용카드를 쓸 경우 평균 3.5번 정도 나눠서 지불하고 최대 24개월 할부를 한다고 볼 수 있다

# 결제 방법 별 payment_installments 평균값 확인

df_order_pay.groupby(['payment_type'])['payment_installments'].mean()
boleto        1.00
credit_card   3.51
debit_card    1.00
not_defined   1.00
voucher       1.00

# 고객들이 많이 선택한 결제 방법과 그 수

df_order_pay['payment_type'].value_counts()
credit_card    76795
boleto         19784
voucher         5775
debit_card      1529
not_defined        3

# 고객들이 많이 선택한 결제 방법 별 비율

df_order_pay['payment_type'].value_counts(normalize=True)*100 # 퍼센트
credit_card   73.92
boleto        19.04
voucher        5.56
debit_card     1.47
not_defined    0.00

• 이 결제 방식을 시각화!

# pie 그래프 

temp = pd.DataFrame(df_order_pay['payment_type'].value_counts(normalize=True)*100)
temp = temp[temp.index != 'not_defined'] # 너무 작은 수라 제외함

labels = temp.index
sizes = temp['payment_type']

explode = (0.1, 0, 0, 0.1) 

plt.pie(
        sizes, 
        labels=labels, 
        explode=explode, 
        autopct='%1.2f%%', # second decimal place
        shadow=True, 
        startangle=50,
        textprops={'fontsize': 14} # text font size
        ) 

plt.axis('equal') #  equal length of X and Y axis
plt.title('결제방식의 종류별 비율', fontsize=20)
plt.show()

 

 

 

 

 

03 리뷰 분포

df_order_review = pd.read_csv('olist_order_reviews_dataset.csv')
df_order_review['review_creation_date'] = pd.to_datetime(df_order_review['review_creation_date'])
df_order_review['review_answer_timestamp'] = pd.to_datetime(df_order_review['review_answer_timestamp'])
df_order_review.info()
Data columns (total 7 columns):
 #   Column                   Non-Null Count  Dtype         
---  ------                   --------------  -----         
 0   review_id                99224 non-null  object        
 1   order_id                 99224 non-null  object        
 2   review_score             99224 non-null  int64         
 3   review_comment_title     11568 non-null  object        
 4   review_comment_message   40977 non-null  object        
 5   review_creation_date     99224 non-null  datetime64[ns]
 6   review_answer_timestamp  99224 non-null  datetime64[ns]
 
 # 결측치
df_order_review.isnull().sum()
review_id                      0
order_id                       0
review_score                   0
review_comment_title       87656
review_comment_message     58247
review_creation_date           0
review_answer_timestamp        0

• 제목과 메세지에 결측치가 많은데 리뷰를 별점만주고 따로 작성은 하지 않는다고 유출 해 볼 수 있다
• 'review_creation_date'는 고객만족도조사 설문지가 고객에게 보내진 날짜를 의미
• 'review_answer_timestamp'는 고객이 설문조사에 응답한 날짜를 의미

# 요약 정보 확인

df_order_review.describe()

# 리뷰 점수 별 수

df_review = pd.DataFrame(df_order_review['review_score'].value_counts())
df_review.reset_index(inplace=True)
df_review.columns = ['review_score', 'cnt']
df_review

# 막대그래프 시각화

sns.barplot(data = df_review,
           x = 'review_score',
           y = 'cnt')

# review_score 별 비율

df_order_review['review_score'].value_counts(normalize=True)*100
5   57.78
4   19.29
1   11.51
3    8.24
2    3.18

# review_score 별 비율 시각화 : piechart

temp = pd.DataFrame(df_order_review['review_score'].value_counts(normalize=True)*100)

labels = temp.index
sizes = temp['review_score']

explode = (0.1, 0, 0, 0, 0) 

plt.pie(
        sizes, 
        labels=labels, 
        explode=explode, 
        autopct='%1.2f%%', # second decimal place
        shadow=True, 
        startangle=70,
        textprops={'fontsize': 14} # text font size
        ) 

plt.axis('equal') #  equal length of X and Y axis
plt.title('Review Ratio', fontsize=20)
plt.show()