5. 가상 쇼핑몰 데이터 프로젝트

가상 쇼핑몰 데이터 프로젝트

import pandas as pd

# 데이터프레임 읽어오기
retail = pd.read_csv("/content/drive/MyDrive/데이터분석/OnlineRetail.csv")
retail

 

# 위 아래 데이터 3개씩 보이는 옵션
pd.options.display.max_rows = 6

retail

 

# info()로 간략한 정보 확인
retail.info()

 

컬럼 설명

• invoiceNo : 주문번호
• StockCode : 상품코드
• Description : 상품설명
• Quantity : 주문수량
• InvoiceDate : 주문날짜
• UnitPrice : 상품가격
• CustomerID : 고객 아이디
• Country : 고객거주지역(국가)

 

# 각 필드당 null이 몇 개 있는지 확인
retail.isnull().sum()

Description: 1454 CustomerID:135080

 

# 각 필드당 null이 몇 % 있는지 확인
retail.isnull().mean()

Description: 약 0.2% CustomerID: 약 25%

 

# 비회원 제거하기
retail = retail[pd.notnull(retail["CustomerID"])]

len(retail) # 406829

 

# 주문 수량이 0이하인 데이터 확인 
retail[retail["Quantity"] <= 0]

 

# 구입 가격이 0이하인 데이터 확인
retail[retail["UnitPrice"] <= 0]

 

# 주문 수량이 1이상인 데이터 저장 
retail = retail[retail["Quantity"] >= 1]

 

# 구입 가격이 1이상인 데이터 저장
retail = retail[retail["UnitPrice"] >= 1]

len(retail) # 304911
retail

 

# 고객의 총 지출비용(CheckoutPrice) 파생변수 구하기
# 수량 * 가격
retail["CheckoutPrice"] = retail["UnitPrice"] * retail["Quantity"]
retail

 

# 데이터프레임 info() 다시 확인
retail.info()

 

# head() 확인
retail.head()

 

# 주문 날짜 컬럼 object -> datatime으로 바꿈
retail["InvoiceDate"] = pd.to_datetime(retail["InvoiceDate"])

# Dtype 확인
retail.info()

object -> datetime 변경됨

 

# 전체매출 구하기
total_revenue = retail["CheckoutPrice"].sum()
total_revenue # 7863916.5

 

# 몇 개국에서 주문했는지 계산
retail["Country"].value_counts()

 

# 열 늘려주기
pd.options.display.max_rows = 40

# 다시 확인
retail["Country"].value_counts()

 

# 다시 원래대로 되돌리기
pd.options.display.max_rows = 10

 

# 국가별 매출 구하기
# 나라별로 그룹을 맺고, CheckoutPrice를 모두 더하고, 오름차순 정렬 시킴
rev_by_contries = retail.groupby("Country")["CheckoutPrice"].sum().sort_values()
rev_by_contries

 

# plot 객체 생성
plot = rev_by_contries.plot(kind="bar", figsize=(20, 10)) # kind = "bar" 막대그래프
plot.set_xlabel("Country", fontsize=12)
plot.set_ylabel("Revenue", fontsize=12)
plot.set_title("Revenue By Contry", fontsize=15)
plot.set_xticklabels(labels=rev_by_contries.index, rotation=45) # 눈금을 나라이름으로 설정

전체 매출의 약 82%가 UK에서 발생

 

# 나라별 매출 % 구하기
rev_by_contries / total_revenue

 

# 월별 매출 구하기
retail["InvoiceDate"].sort_values(ascending=False) # 날짜 내림차순 정렬

 

# 월별로 그룹 맺기 위한 함수

# 예) 2011-03-01 입력
def extract_month(date):
    month = str(date.month) # 3
    if date.month <10:
        month = "0" + month # 03
    return str(date.year) + month # 201103

 

# groupby 안에 익명함수나 콜백함수를 넣으면 모든 데이터에 대입하게됨
rev_by_month = retail.set_index("InvoiceDate").groupby(extract_month)["CheckoutPrice"].sum()
rev_by_month

 

# plot 만들어주는 함수 선언
def plot_bar(df, xlabel, ylabel, title, rotation=45,titlesize=15,fontsize=12,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(title, fontsize=titlesize)
    plot.set_xticklabels(labels=df.index, rotation=rotation)

 

# 월별 매출 그래프 그리기
plot_bar(rev_by_month, "Month", "Revenue", "rev by month")

매출은 꾸준히 성장(11년 12월 데이터는 9일까지만 포함), 가장 많은 매출이 발생한 달은 2011년 11월

 

# 요일별로 그룹 맺기 위한 함수
def extract_dow(date):
    return date.dayofweek

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

 

import numpy as np

# 숫자로 되어있는 인덱스 번호를 문자로 변경
DAY_OF_WEEK = np.array(["Mon", "Tue", "Web", "Thur", "Fri", "Sat", "Sun"])
rev_by_dow.index = DAY_OF_WEEK[rev_by_dow.index]

rev_by_dow

 

# 요일별 매출 그래프 그리기
plot_bar(rev_by_dow, "DOW", "Revenue", "Revenue By DOW")

일주일 중 목요일까지는 성장세를 보이고, 이후 하락세를 보임, 토요일은 영업을 하지 않는 것으로 보임

 

# 시간대별 매출 구하기
rev_by_hour = retail.set_index("InvoiceDate").groupby(lambda date: date.hour)["CheckoutPrice"].sum() # 람다 사용

rev_by_hour

 

 

# 시간대별 매출 그래프 그리기
plot_bar(rev_by_hour, "Hour", "Revenue", "Revenue By Hour")

새벽 6시에 오픈, 오후 9시에 마감이 예상됨

 

Quantity를 기준으로 판매제품(StockCode) Top 10 구하기

# 제품코드 확인
retail["StockCode"].info()

 

# StockCode로 그룹을 맺고, Quantity를 모두 더해, 내림차순 한 뒤, head(10)으로 상위 10개 데이터만 확인
stockCode_Top_10 = retail.set_index("StockCode").groupby("StockCode")["Quantity"].sum().sort_values(ascending=False).head(10)
stockCode_Top_10

 

CheckoutPrice를 기준으로 우수 고객(CustomerID) Top 10 구하기

# CustomerID로 그룹을 맺고, CheckoutPrice를 모두 더해, 내림차순 한 뒤, head(10)으로 상위 10개 데이터만 확인
customerID_Top_10 = retail.set_index("CustomerID").groupby("CustomerID")["CheckoutPrice"].sum().sort_values(ascending=False).head(10)
customerID_Top_10

 

---

데이터로부터 lnsight

• 전체 매출의 약 82%가 UK에서 발생
• 11년도에 가장 많은 매출이 발생한 달은 11월
• 매출은 꾸준히 성장(11년 12월 데이터는 9일까지만 포함)
• 토요일은 영업을 하지 않음
• 새벽 6시에 오픈, 오후 9시에 마감이 예상
• 일주일 중 목요일까지는 성장세를 보이고, 이후 하락