1.分析目的：根据过往电商成交数据进行数据分析发现规律和问题从而指导业务
2.数据
导入库
导入数据
加载好数据之后，第一步先分别使用describe和info方法看下数据的大概分布
加载device_type
3.数据清洗
orderId
orderId在一个系统里是唯一值
先看下有没有重复值
如果有重复值一般最后处理，因为其他的列可能会影响到删除哪一条重复的记录
先处理其他的列
userId
userId只要从上面的describe和info看下值是不是在正常范围就行
对于订单数据，一个用户有可能有多个订单，重复值是合理的
productId
productId最小值是0，先来看下值为0的记录数量
177条记录，数量不多，可能是因为商品的上架下架引起的，处理完其他值的时候把这些记录删掉
cityId
cityId类似于userId，值都在正常范围，不需要处理
price没有空值，且都大于0，注意单位是分，把它变成元
payMoney
payMoney有负值，下单不可能是负值，所以这里对于负值的记录要删掉
删除负值的记录
单位变成元
channelId
channelId根据info的结果，有些null 的数据，可能是短的bug等原因，在下单的时候没有传channelId字段
数据量大的时候，删掉少量的null记录不会影响统计结果，这里直接删除
deviceType的取值可以看device_type.txt文件，没有问题，不需要处理
createTime和payTime都没有null，不过要统计2016年的数据，所以要把非2016年的删掉
回过头来把orderId重复的记录删掉
把productId为0的也删除掉
数据清洗完毕，开始分析
4.数据处理和分析
先看下数据的总体情况
总订单数，总下单用户，总销售额，有流水的商品数
分析数据可以从两方面开始考虑，一个是维度，一个是指标，维度可以看做x轴，指标可以看做y轴，用一个维度可以分析多个指标，同一个维度也可以
做降维升维
按照商品的productId
先看下商品销量的前十和后十个
销售额
看下销量和销售额最后100个的交集，如果销量和销售额都不行，这些商品需要看看是不是要优化或者下架
price
对于价格，可以看下所有商品价格的分布，这样可以知道什么价格的商品卖的最好
很多价格区间没有商品，如果有竞争对手的数据，可以看看是否需要补商品填充
对应的价格
下单时间分析
按小时的下单量分布，可以按时间做推广
中午12，13，14点的下单比较多，应该是午休的时候，然后是晚上20点左右
按照星期来看，周六下单最多，其次是周五周日
下单后多久支付
绝大部分都在十几分钟之内支付完成，说明用户基本很少犹豫，购买的目的性很强
月成交额
原文地址：https://www.cnblogs.com/daisyxxx/p/12683760.html