黑五销售分析

利用黑五销售统计数据，分析用户特征、商品销售情况、主力消费人群和用户偏好商品四个方面内容。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
sns.set_style("ticks")#设置绘图风格
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

1 数据总览

black_friday=pd.read_csv('BlackFriday.csv')
black_friday.head()

	User_ID	Product_ID	Gender	Age	Occupation	City_Category	Stay_In_Current_City_Years	Marital_Status	Product_Category_1	Product_Category_2	Product_Category_3	Purchase
0	1000001	P00069042	F	0-17	10	A	2	0	3	NaN	NaN	8370
1	1000001	P00248942	F	0-17	10	A	2	0	1	6.0	14.0	15200
2	1000001	P00087842	F	0-17	10	A	2	0	12	NaN	NaN	1422
3	1000001	P00085442	F	0-17	10	A	2	0	12	14.0	NaN	1057
4	1000002	P00285442	M	55+	16	C	4+	0	8	NaN	NaN	7969

black_friday.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 537577 entries, 0 to 537576
Data columns (total 12 columns):
User_ID                       537577 non-null int64
Product_ID                    537577 non-null object
Gender                        537577 non-null object
Age                           537577 non-null object
Occupation                    537577 non-null int64
City_Category                 537577 non-null object
Stay_In_Current_City_Years    537577 non-null object
Marital_Status                537577 non-null int64
Product_Category_1            537577 non-null int64
Product_Category_2            370591 non-null float64
Product_Category_3            164278 non-null float64
Purchase                      537577 non-null int64
dtypes: float64(2), int64(5), object(5)
memory usage: 49.2+ MB

数据共有537577行，12列。

各列说明如下：

• User_ID：用户ID
  
• Product_ID：商品ID
  
• Gender：性别，M为男性，F为女性
  
• Age：年龄段，划分为0-17、18-25、26-35、36-45、46-55、55+共六个年龄段
  
• Occupation：职业，已转换为数字标签，共有21类职业
  
• City_Category：所在城市类别，转换为字母标签，分为A、B、C三类
  
• Stay_In_Current_City_Years：所在城市居住年份，分为0、1、2、3、4+五个类别
  
• Marital_Status：婚姻状况，0为未婚，1为已婚
  
• Product_Category_1：商品标签1，已转换为数字标签，范围1-18
  
• Product_Category_2：商品标签2，已转换为数字标签，范围2-18
  
• Product_Category_3：商品标签3，已转换为数字标签，范围3-18
  
• Purchase：消费金额，单位为美元
  

2 定义一些画图的函数

def pie(data=None,title=None,length=6,height=6,dpi=100):
    '''绘制饼图的函数'''
    fig,ax=plt.subplots(figsize=(length,height),dpi=dpi)
    size=0.5
    labels=data.index
    ax.pie(data,labels=labels,
       startangle=90,autopct='%.1f%%',colors=sns.color_palette("husl",len(data)),
       radius=1,#控制饼图半径，默认为1
       pctdistance=0.75,#控制百分比显示位置
       wedgeprops=dict(width=size,edgecolor='w'),#控制甜甜圈的宽度，边缘颜色等
       textprops=dict(fontsize=10)#控制字号及颜色等
      )
    ax.set_title(title,fontsize=15)

def bar(data=None,title=None,width=0.6,length=10,height=6,dpi=100,text_distance=10,text_fontsize=10,):
    '''绘制柱状图的函数'''
    fig,ax=plt.subplots(figsize=(length,height),dpi=dpi)
    x=np.arange(len(data))
    y=data.values
    labels=data.index
    width=width
    ax.bar(x,y,width=width,color=sns.color_palette("Set2",1))
    ax.set_xticks([i for i in range(len(data))])
    ax.set_xticklabels(labels)
    ax.set_title(title,fontsize=18)
    for a,b in enumerate(y):
        ax.text(a,b+text_distance,b,ha='center',fontsize=text_fontsize)

def user_analyse_bar(data=None,title=None,n=2,length=10,height=6,dpi=100,total_width=0.6,text_fontsize=10,text_distance=10):
    '''
    用于绘制用户特征细分的柱状图
    '''
    fig,ax=plt.subplots(figsize=(length,height),dpi=dpi)
    data_m=data.loc['M']
    data_f=data.loc['F']
    total_width=total_width
    n=n
    width=total_width/n
    x=np.arange(len(data.columns))
    x=x-(total_width-width)/2
    xlabel=data.columns
    ax.bar(x,data_m,width=width,label='Male',color='#36ADA4')
    ax.bar(x+width,data_f,width=width,label='Female',color='#F77189')
    ax.set_xticks(np.linspace(0,len(data.columns)-1,len(data.columns)))
    ax.set_xticklabels(xlabel)
    for x,y1,y2 in zip(x,data_m,data_f):
        ax.text(x,y1+text_distance,y1,ha='center',fontsize=text_fontsize)
        ax.text(x+width,y2+text_distance,y2,ha='center',fontsize=text_fontsize)
    ax.set_title(title,fontsize=18)
    ax.legend()

3 用户是一些什么人？

#提取用户数据并去重
user=black_friday.loc[:,'User_ID':'Marital_Status'].drop_duplicates(subset='User_ID')
user.head()

	User_ID	Product_ID	Gender	Age	Occupation	City_Category	Stay_In_Current_City_Years	Marital_Status
0	1000001	P00069042	F	0-17	10	A	2	0
4	1000002	P00285442	M	55+	16	C	4+	0
5	1000003	P00193542	M	26-35	15	A	3	0
6	1000004	P00184942	M	46-50	7	B	2	1
9	1000005	P00274942	M	26-35	20	A	1	1

3.1 性别

gender=user['Gender'].value_counts().sort_index(ascending=1)

gender_title='黑五购物用户性别比'
pie(gender,gender_title)

黑五用户以男性为主，占将近四分之三。

3.2 年龄段

age=user['Age'].value_counts().sort_index()

age_title='各年龄段用户人数'
bar(age,age_title)

3.3 职业

occupation=user['Occupation'].value_counts().sort_values(ascending=False)

occupation_title='各职业用户人数'
bar(occupation,occupation_title,width=0.8,text_distance=5)

3.4 城市类别

city_category=user['City_Category'].value_counts().sort_index()
city_category

A    1045
B    1707
C    3139
Name: City_Category, dtype: int64

city_category_title='黑五购物用户所在城市'
pie(city_category,city_category_title)

3.5 居住年份

stay_year=user['Stay_In_Current_City_Years'].value_counts().sort_index()

stay_year_title='黑五购物用户所在城市居住年份'
pie(stay_year,stay_year_title)

3.6 婚姻状况

marital_status=user['Marital_Status'].value_counts().sort_index()
marital_status.index=['未婚','已婚']
marital_status

未婚    3417
已婚    2474
Name: Marital_Status, dtype: int64

marital_status_title='黑五购物用户婚姻状况'
pie(marital_status,marital_status_title)

3.7 小结

根据以上分析，可以粗略归纳黑五购物用户的一些特点：

• 男性居多
• 年龄以18-45的居多，若缩小年龄段则是26-35
• 主要职业类别是4、0、7
• 来自C类城市的用户最多，占比超过一半；其次为B类城市；A类城市最少
• 居住年份为1年的用户最多，其次为2年的用户，这两类用户占比超过一半
• 未婚用户略多于已婚用户

4 用户属性交叉分析

从单个属性描述用户特征可能不完善，因此，尝试从多个属性角度进行分析，看用户在不同属性分组下是否有差别。

为避免分析太复杂，这里仅选取部分组合在一起有意义的属性进行两两交叉分析。

4.1 性别-年龄

gender_age=pd.crosstab(user['Gender'],user['Age'])
gender_age

Age	0-17	18-25	26-35	36-45	46-50	51-55	55+
Gender
F	78	287	545	333	182	142	99
M	140	782	1508	834	349	339	273

user_analyse_bar(data=gender_age,title='各年龄段男女用户人数')

#计算各年龄段的男性比例
gender_age.loc['M']/gender_age.sum(axis=0)

Age
0-17     0.642202
18-25    0.731525
26-35    0.734535
36-45    0.714653
46-50    0.657250
51-55    0.704782
55+      0.733871
dtype: float64

各年龄段都是以男性用户为主，男性占比差异并不十分明显。

4.2 性别-职业

gender_occ=pd.crosstab(user['Gender'],user['Occupation'])
gender_occ.T

Gender	F	M
Occupation
0	226	462
1	203	314
2	88	168
3	98	72
4	228	512
5	31	80
6	99	129
7	137	532
8	3	14
9	85	3
10	66	126
11	22	106
12	46	330
13	33	107
14	78	216
15	28	112
16	49	186
17	50	441
18	4	63
19	15	56
20	77	196

user_analyse_bar(data=gender_occ,title='各职业男女用户人数',total_width=0.8,length=12,text_fontsize=8,text_distance=2)

不同职业的男女用户比例差异较大，多数职业男性用户居多，仅有少数职业的女性用户多于男性用户（3、9）。

4.3 性别-城市

gender_city=pd.crosstab(user['Gender'],user['City_Category'])
gender_city

City_Category	A	B	C
Gender
F	295	503	868
M	750	1204	2271

user_analyse_bar(data=gender_city,title='各城市男女用户人数',total_width=0.6,length=6,height=4)

#计算不同城市的男性比例
gender_city.loc['M']/gender_city.sum(axis=0)

City_Category
A    0.717703
B    0.705331
C    0.723479
dtype: float64

不同城市类别的男女用户比例基本一致。

4.4 性别-婚姻状况

gender_marital=pd.crosstab(user['Gender'],user['Marital_Status'])
gender_marital.rename(columns={0:'未婚',1:'已婚'},inplace=True)
gender_marital

Marital_Status	未婚	已婚
Gender
F	947	719
M	2470	1755

user_analyse_bar(data=gender_marital,title='男女用户婚姻状况',total_width=0.6,length=6,height=4)

#计算两种婚姻状况下的男性比例
gender_marital.loc['M']/gender_marital.sum(axis=0)

Marital_Status
未婚    0.722856
已婚    0.709378
dtype: float64

不同婚姻状态的男女用户比例基本一致。

4.5 年龄段-城市

age_city=pd.crosstab(user['Age'],user['City_Category'])
age_city

City_Category	A	B	C
Age
0-17	25	50	143
18-25	214	331	524
26-35	461	652	940
36-45	176	335	656
46-50	53	146	332
51-55	67	135	279
55+	49	58	265

fig,ax=plt.subplots(figsize=(12,6),dpi=100)
data=age_city
data_A=data['A']
data_B=data['B']
data_C=data['C']
total_width=0.8
n=3
width=total_width/n
x=np.arange(len(data))
x=x-(total_width-width)/2
xlabel=data.index
ax.bar(x-width,data_A,width=width,label='A',color='#F77189')
ax.bar(x,data_B,width=width,label='B',color='#80B131')
ax.bar(x+width,data_C,width=width,label='C',color='#3BA3EC')
ax.set_xticks(np.linspace(0,len(data)-1,len(data)))
ax.set_xticklabels(xlabel)
for x,y1,y2,y3 in zip(x,data_A,data_B,data_C):
    ax.text(x-width,y1+2,y1,ha='center',fontsize=8)
    ax.text(x,y2+2,y2,ha='center',fontsize=8)
    ax.text(x+width,y3+2,y3,ha='center',fontsize=8)
ax.set_title('不同年龄段用户的居住城市',fontsize=18)
ax.legend()

不管在哪个年龄段，都是C类城市的用户最多，B类次之，A类最少。

4.6 年龄段-婚姻状况

age_marital=pd.crosstab(user['Age'],user['Marital_Status'])
age_marital.rename(columns={0:'未婚',1:'已婚'},inplace=1)
age_marital

Marital_Status	未婚	已婚
Age
0-17	218	0
18-25	825	244
26-35	1244	809
36-45	705	462
46-50	156	375
51-55	136	345
55+	133	239

fig,ax=plt.subplots(figsize=(12,6),dpi=100)
data=age_marital
data_A=data['未婚']
data_B=data['已婚']
total_width=0.8
n=2
width=total_width/n
x=np.arange(len(data))
x=x-(total_width-width)/2
xlabel=data.index
ax.bar(x,data_A,width=width,label=data_A.name,color='#36ADA4')
ax.bar(x+width,data_B,width=width,label=data_B.name,color='#F77189')
ax.set_xticks(np.linspace(0,len(data)-1,len(data)))
ax.set_xticklabels(xlabel)
for x,y1,y2 in zip(x,data_A,data_B):
    ax.text(x,y1+4,y1,ha='center',fontsize=8)
    ax.text(x+width,y2+4,y2,ha='center',fontsize=8)
ax.set_title('不同年龄段用户的婚姻状况',fontsize=18)
ax.legend()

#计算各年龄段的已婚用户比例
age_marital['已婚']/age_marital.sum(axis=1)

Age
0-17     0.000000
18-25    0.228251
26-35    0.394057
36-45    0.395887
46-50    0.706215
51-55    0.717256
55+      0.642473
dtype: float64

0-17岁均为未婚用户，因为他们没有达到法定婚龄。（美国不同州的法定婚龄不尽相同，但大多为18岁。）

18-25、26-35、36-45这三个年龄段都是未婚用户居多，但已婚用户比例在慢慢增加。

46-50、51-55、55+这三个年龄段都是已婚用户居多，55+年龄段的已婚用户比例较低可能是存在丧偶或离异情况。

4.7 小结

多数交叉分析的结果与单变量分析的结果并无太大差异，在一个属性中占比较大的群体，在与另一个属性进行交叉分析中通常也占较大比例。

职业和婚姻状况存在的较大变动：

• 不同职业的用户虽然整体上是以男性用户居多，但不同职业的性别比例差异较大
• 随着年龄的上升，已婚用户的比例逐渐升高，55+年龄段用户的已婚比例虽然有所降低，但仍高于46岁以下用户

5 哪些商品卖得好？

product=black_friday.loc[:,['Product_ID','Product_Category_1','Product_Category_2','Product_Category_3','Purchase']]

print('黑五期间涉及的销售商品共{}个。'.format(len(product['Product_ID'].unique())))

黑五期间涉及的销售商品共3623个。

black_friday.loc[:,['User_ID','Product_ID','Purchase']].sort_values(by='Product_ID').head()

	User_ID	Product_ID	Purchase
519782	1001991	P00000142	11071
320359	1001344	P00000142	10946
320351	1001343	P00000142	13463
339410	1004233	P00000142	8341
104774	1004126	P00000142	13610

可以看出，同一商品对不同用户的销售金额不尽相同，每条记录可能是多个同一商品何必后的结果。以记录数作为商品销量不合理，因此仅对销售额进行统计分析。

5.1 哪些商品的销售额更高

#将销售额按商品ID分类加和后由高到低排列，并计算累计销售额占比
product_purchase=product.loc[:,['Product_ID','Purchase']].groupby('Product_ID').sum().sort_values(by='Purchase',ascending=0).reset_index()
product_purchase['Percent']=product_purchase['Purchase']/product_purchase['Purchase'].sum()
product_purchase['P_Cumsum']=product_purchase['Percent'].cumsum()
product_purchase.head()

	Product_ID	Purchase	Percent	P_Cumsum
0	P00025442	27532426	0.005487	0.005487
1	P00110742	26382569	0.005258	0.010745
2	P00255842	24652442	0.004913	0.015658
3	P00184942	24060871	0.004795	0.020453
4	P00059442	23948299	0.004773	0.025226

fig=plt.figure(figsize=(12,6),dpi=100)
ax1=fig.add_subplot(111)
ax1.grid()
ax2=ax1.twinx()#建立副纵坐标轴
data_2=product_purchase['Purchase']
data_1=product_purchase['P_Cumsum']
x=np.arange(1,len(product_purchase)+1)
ax1.plot(x,data_1,color='#ed5a65',label='销售额累计占比')
ax2.plot(x,data_2,color='#5cb3cc',label='单个商品销售额')
ax1.set_xlabel('商品种类')
ax1.set_yticks(np.linspace(0,1,11))
ax1.set_yticklabels(['{:.0%}'.format(i/10) for i in range(11)])#y轴刻度显示百分比
ax1.set_ylabel('累计销售额占比')
ax2.set_ylabel('单个商品的销售额')
ax1.legend(loc=(0.83,0.14))
ax2.legend(loc=(0.83,0.08))
ax1.set_title('黑五各商品销售额的帕累托图',fontsize=18)

for i in range(1,10):
    percent=i/10
    product_kind=len(product_purchase[product_purchase['P_Cumsum']<=percent])
    product_percent=product_kind/len(product_purchase)
    print("销售额占{:.0%}的商品共有{}种，占销售商品总数的{:.2%}。".format(percent,product_kind,product_percent))

销售额占10%的商品共有23种，占销售商品总数的0.63%。
销售额占20%的商品共有64种，占销售商品总数的1.77%。
销售额占30%的商品共有124种，占销售商品总数的3.42%。
销售额占40%的商品共有206种，占销售商品总数的5.69%。
销售额占50%的商品共有310种，占销售商品总数的8.56%。
销售额占60%的商品共有454种，占销售商品总数的12.53%。
销售额占70%的商品共有647种，占销售商品总数的17.86%。
销售额占80%的商品共有927种，占销售商品总数的25.59%。
销售额占90%的商品共有1400种，占销售商品总数的38.64%。

可以看出，黑五销售额基本符合二八定律，80%的销售额集中在25.59%的商品。

#将销售额占比80%以上的商品作为主要商品
major_product=product_purchase[product_purchase['P_Cumsum']<=0.8]
major_product.head()

	Product_ID	Purchase	Percent	P_Cumsum
0	P00025442	27532426	0.005487	0.005487
1	P00110742	26382569	0.005258	0.010745
2	P00255842	24652442	0.004913	0.015658
3	P00184942	24060871	0.004795	0.020453
4	P00059442	23948299	0.004773	0.025226

销售额占比最高的三种商品的ID分别为P00025442、P00110742、P00255842，销售额占比分别为0.55%、0.53%、0.49%。

5.2 哪些类型的商品更畅销

5.2.1 商品标签统计

对销售涉及各商品的商品标签进行分类统计。

对于一个商品有多个商品标签的，对其也按标签进行重复统计。

因此，所有标签统计的加和会大于商品总数。

category_1=pd.DataFrame(product['Product_Category_1'].value_counts().sort_index())
category_2=pd.DataFrame(product['Product_Category_2'].dropna().astype(int).value_counts().sort_index())
category_3=pd.DataFrame(product['Product_Category_3'].dropna().astype(int).value_counts().sort_index())

product_category=pd.merge(category_1,category_2,how='outer',left_index=True,right_index=True)
product_category=pd.merge(product_category,category_3,how='outer',left_index=True,right_index=True)
product_category=product_category.fillna(0).astype(int)
product_category['All']=product_category.sum(axis=1)
product_category

	Product_Category_1	Product_Category_2	Product_Category_3	All
1	138353	0	0	138353
2	23499	48481	0	71980
3	19849	2835	600	23284
4	11567	25225	1840	38632
5	148592	25874	16380	190846
6	20164	16251	4818	41233
7	3668	615	0	4283
8	112132	63058	12384	187574
9	404	5591	11414	17409
10	5032	2991	1698	9721
11	23960	13945	1773	39678
12	3875	5419	9094	18388
13	5440	10369	5385	21194
14	1500	54158	18121	73779
15	6203	37317	27611	71131
16	9697	42602	32148	84447
17	567	13130	16449	30146
18	3075	2730	4563	10368

bar(data=product_category['All'].sort_values(ascending=False),title='各标签下的商品数量',text_fontsize=8,text_distance=1500)

从不同标签的商品数量看，大致可以划分为3大类：

• 5、8、1为第一集团，商品数量居前三位，但1距离前两名的差距较大
• 16、14、2、15为第二集团
• 其他为第三集团

5.2.2 不同标签商品的销售额统计

与不同商品标签下商品数量的统计一样，不同标签商品销售额的统计存在重复统计的问题。这个统计指标可以理解为，带有该标签的商品的总销售额。

cat_1_purchase=product.loc[:,['Product_Category_1','Purchase']].groupby('Product_Category_1').sum().rename(columns=dict(Purchase='Cat_1'))
cat_2_purchase=product.loc[:,['Product_Category_2','Purchase']].groupby('Product_Category_2').sum().rename(columns=dict(Purchase='Cat_2'))
cat_3_purchase=product.loc[:,['Product_Category_3','Purchase']].groupby('Product_Category_3').sum().rename(columns=dict(Purchase='Cat_3'))

cat_purchase=pd.merge(cat_1_purchase,cat_2_purchase,how='outer',left_index=True,right_index=True)
cat_purchase=pd.merge(cat_purchase,cat_3_purchase,how='outer',left_index=True,right_index=True)
cat_purchase=cat_purchase.fillna(0).astype(int)
cat_purchase['All']=cat_purchase.sum(axis=1)
cat_purchase

	Cat_1	Cat_2	Cat_3	All
1	1882666325	0	0	1882666325
2	264497242	660395610	0	924892852
3	200412211	31835725	8374300	240622236
4	26937957	257757097	17992055	302687109
5	926917497	233747130	198662402	1359327029
6	319355286	186896021	63548518	569799825
7	60059209	4229499	0	64288708
8	840693394	648112417	161357998	1650163809
9	6277472	40716981	119043392	166037845
10	99029631	46827140	22962030	168818801
11	112203088	124608092	21475687	258286867
12	5235883	37763181	79288332	122287396
13	3931050	100291709	70990467	175213226
14	19718178	384866069	182187903	586772150
15	91658147	386556477	340670945	818885569
16	143168035	438744196	385213413	967125644
17	5758702	123639094	193760503	323158299
18	9149071	25582006	50118090	84849167

bar(data=cat_purchase['All'].sort_values(ascending=False),title='各标签下的商品销售额',text_fontsize=6,text_distance=3000)

根据不同标签下的商品销售额，大致可以分为4大类：

• 1、8、5为第一集团，明显高于其他标签商品，但彼此之间的差距也较大
• 16、2、15为第二集团
• 14、6为第三集团
• 其他为第四集团

5.2.3 小结

不同标签的商品数量和销售额的排名基本一致，只是在各集团中的排名略有差异，这应该与商品单价和购买数量有关。

6 哪些用户消费多？

根据用户属性从不同角度分析哪类用户的消费较高。舍弃一些分析意义不大的角度，如居住年份。

6.1 性别

gender_purchase=black_friday.loc[:,['Gender','Purchase']].groupby('Gender').sum()
gender_purchase

	Purchase
Gender
F	1164624021
M	3853044357

title='不同性别用户的销售额'
pie(gender_purchase,title)

#分性别计算人均消费金额
gender_count=pd.DataFrame(black_friday['Gender'].value_counts())
gender_purchase_unit=gender_purchase['Purchase']/gender

fig,ax=plt.subplots(figsize=(8,6))
x=np.arange(len(gender_purchase_unit))
y=gender_purchase_unit.values
ax.bar(x,y,width=0.5,color=sns.color_palette('husl',2))
ax.set_xticks([0,1])
ax.set_xticklabels(['F','M'])
ax.set_ylim(0,1000000)
ax.set_ylabel('人均消费金额（美元）')
ax.set_title('人均消费金额',fontsize=15)
for a,b in enumerate(y):
    ax.text(a,b+10000,'{:.0f}'.format(b),ha='center')

男性用户在消费总金额和人均消费金额上均高于女性用户。

6.2 年龄段

age_purchase=black_friday.loc[:,['Age','Purchase']].groupby('Age').sum()
age_purchase

	Purchase
Age
0-17	132659006
18-25	901669280
26-35	1999749106
36-45	1010649565
46-50	413418223
51-55	361908356
55+	197614842

pie(age_purchase,title='各年龄段消费金额')

age_purchase_unit=(age_purchase['Purchase']/age).astype(int)
bar(age_purchase_unit,title='各年龄段人均消费金额',text_distance=10000)

18-45岁用户是主要消费人群，消费总金额占比接近80%。人均消费金额也高于其他年龄段。

6.3 职业

occ_purchase=black_friday.loc[:,['Occupation','Purchase']].groupby('Occupation').sum()
occ_purchase.head()

	Purchase
Occupation
0	625814811
1	414552829
2	233275393
3	160428450
4	657530393

title='各职业的消费金额'
bar(data=occ_purchase.sort_values(by='Purchase',ascending=False)['Purchase'],title=title,length=16,text_fontsize=8.5,text_distance=5000000)

occ_purchase_unit=occ_purchase['Purchase']/occupation

fig,ax=plt.subplots(figsize=(10,6),dpi=100)
x=np.arange(len(occ_purchase_unit))
y=occ_purchase_unit.sort_values(ascending=False).values
labels=occ_purchase_unit.sort_values(ascending=False).index
width=0.6
ax.bar(x,y,width=width,color=sns.color_palette("Set2",1))
ax.set_xticks([i for i in range(len(occ_purchase_unit))])
ax.set_xticklabels(labels)
ax.set_title('各职业人均消费金额',fontsize=18)

各职业消费总金额和人均消费金额差别较大：

• 总消费金额较高的4、0、7三种职业的人均消费金额并不算高，但因其人数较多，所以消费总金额较高
• 人均消费金额较高的20、19、5、16四种职业的消费总金额不高，说明这些职业的消费能力较高，但消费人数较少
• 9、10、13三种职业的人均消费金额明显低于其他职业，可能原因较多，包括其本身消费能力较低、对促销商品不感兴趣、不喜欢在促销时段购物等

6.4 城市

city_purchase=black_friday.loc[:,['City_Category','Purchase']].groupby('City_Category').sum()
city_purchase.head()

	Purchase
City_Category
A	1295668797
B	2083431612
C	1638567969

pie(city_purchase,title='各类城市消费金额')

city_purchase_unit=city_purchase['Purchase']/city_category

fig,ax=plt.subplots(figsize=(8,5),dpi=80)
x=np.arange(len(city_purchase_unit))
y=city_purchase_unit.values
labels=city_purchase_unit.index
width=0.6
ax.bar(x,y,width=width,color=sns.color_palette("Set2",1))
ax.set_xticks([i for i in range(len(city_purchase_unit))])
ax.set_xticklabels(labels)
ax.set_title('各类城市人均消费金额',fontsize=18)

消费总金额是B>C>A，人均消费金额是A>B>C，人数则是C>B>A。据此，有如下推断：

• B类城市用户是消费主力人群
• C类城市虽然人数最多，但人均消费能力不足
• A类城市的消费能力最高，但消费人数最少，可通过加强宣传推广提高消费总金额

6.5 婚姻状况

marital_purchase=black_friday.loc[:,['Marital_Status','Purchase']].groupby('Marital_Status').sum()
marital_purchase.index=['未婚','已婚']
marital_purchase

	Purchase
未婚	2966289500
已婚	2051378878

pie(marital_purchase,title='不同婚姻状况用户的消费金额')

marital_purchase_unit=marital_purchase['Purchase']/marital_status

fig,ax=plt.subplots(figsize=(8,5),dpi=80)
x=np.arange(len(marital_purchase_unit))
y=marital_purchase_unit.values
labels=marital_purchase_unit.index
width=0.6
ax.bar(x,y,width=width,color=sns.color_palette("Set2",1))
ax.set_xticks([i for i in range(len(marital_purchase_unit))])
ax.set_xticklabels(labels)
ax.set_title('不同婚姻状况用户的人均消费金额',fontsize=18)

已婚用户和未婚用户的人均消费金额差别不大，总消费金额的差异主要由用户数不同引起。

6.6 小结

根据以上分析，黑五消费的主力用户大致有如下特征：

• 男性
• 18-45周岁
• 来自B类城市
• 职业是4、0或7

除此之外，职业是20、19、5、16的，来自A类城市的用户也具有较大的消费能力，应重点发展。

7 不同用户偏爱什么样的商品

7.1 性别

#分别整理出男女用户购买的商品标签
cat_m=black_friday[black_friday['Gender']=='M'].loc[:,'Product_Category_1':'Product_Category_3']
cat_f=black_friday[black_friday['Gender']=='F'].loc[:,'Product_Category_1':'Product_Category_3']

#统计男用户购买的商品标签
cat_1_m=pd.DataFrame(cat_m['Product_Category_1'].value_counts().sort_index())
cat_2_m=pd.DataFrame(cat_m['Product_Category_2'].dropna().astype(int).value_counts().sort_index())
cat_3_m=pd.DataFrame(cat_m['Product_Category_3'].dropna().astype(int).value_counts().sort_index())
cat_m_sum=pd.merge(cat_1_m,cat_2_m,how='outer',left_index=True,right_index=True)
cat_m_sum=pd.merge(cat_m_sum,cat_3_m,how='outer',left_index=True,right_index=True)
cat_m_sum=cat_m_sum.fillna(0).astype(int)
cat_m_sum['All']=cat_m_sum.sum(axis=1)
cat_m_sum

	Product_Category_1	Product_Category_2	Product_Category_3	All
1	113952	0	0	113952
2	17926	39442	0	57368
3	13975	2224	506	16705
4	7995	17774	1412	27181
5	107393	19812	12165	139370
6	15689	13009	4002	32700
7	2740	482	0	3222
8	79185	46842	9489	135516
9	334	4111	8778	13223
10	3894	2273	1287	7454
11	19301	11237	1445	31983
12	2378	3713	6432	12523
13	4012	7750	4173	15935
14	887	34849	12614	48350
15	5180	30989	23080	59249
16	7334	33284	25490	66108
17	506	10689	12778	23973
18	2699	2261	3695	8655

#统计女用户购买的商品标签
cat_1_f=pd.DataFrame(cat_f['Product_Category_1'].value_counts().sort_index())
cat_2_f=pd.DataFrame(cat_f['Product_Category_2'].dropna().astype(int).value_counts().sort_index())
cat_3_f=pd.DataFrame(cat_f['Product_Category_3'].dropna().astype(int).value_counts().sort_index())
cat_f_sum=pd.merge(cat_1_f,cat_2_f,how='outer',left_index=True,right_index=True)
cat_f_sum=pd.merge(cat_f_sum,cat_3_f,how='outer',left_index=True,right_index=True)
cat_f_sum=cat_f_sum.fillna(0).astype(int)
cat_f_sum['All']=cat_f_sum.sum(axis=1)
cat_f_sum

	Product_Category_1	Product_Category_2	Product_Category_3	All
1	24401	0	0	24401
2	5573	9039	0	14612
3	5874	611	94	6579
4	3572	7451	428	11451
5	41199	6062	4215	51476
6	4475	3242	816	8533
7	928	133	0	1061
8	32947	16216	2895	52058
9	70	1480	2636	4186
10	1138	718	411	2267
11	4659	2708	328	7695
12	1497	1706	2662	5865
13	1428	2619	1212	5259
14	613	19309	5507	25429
15	1023	6328	4531	11882
16	2363	9318	6658	18339
17	61	2441	3671	6173
18	376	469	868	1713

#合并男女用户购买的商品标签数
cat_gender_sum=pd.DataFrame(cat_m_sum['All']).rename(columns=dict(All='M')).join(pd.DataFrame(cat_f_sum['All']).rename(columns=dict(All='F')))

fig=plt.figure(figsize=(12,6),dpi=100)
ax1=fig.add_subplot(1,2,1)
ax1.pie(cat_gender_sum['M'].sort_values(ascending=False),labels=cat_gender_sum['M'].sort_values(ascending=False).index,shadow=True,
       startangle=90,colors=sns.color_palette('husl',18),
       textprops=dict(fontsize=9))
ax1.axis('equal')
ax1.set_title('男性用户购买商品的标签数量',fontsize=15)
ax2=fig.add_subplot(1,2,2)
ax2.pie(cat_gender_sum['F'].sort_values(ascending=False),labels=cat_gender_sum['F'].sort_values(ascending=False).index,shadow=True,
       startangle=90,colors=sns.color_palette('husl',18),
       textprops=dict(fontsize=9))
ax2.axis('equal')
ax2.set_title('女性用户购买商品的标签数量',fontsize=15)

7.2 城市类别

#分别整理出各类城市用户购买的商品标签
cat_A=black_friday[black_friday['City_Category']=='A'].loc[:,'Product_Category_1':'Product_Category_3']
cat_B=black_friday[black_friday['City_Category']=='B'].loc[:,'Product_Category_1':'Product_Category_3']
cat_C=black_friday[black_friday['City_Category']=='C'].loc[:,'Product_Category_1':'Product_Category_3']

#统计A类城市用户购买的商品标签
cat_1_A=pd.DataFrame(cat_A['Product_Category_1'].value_counts().sort_index())
cat_2_A=pd.DataFrame(cat_A['Product_Category_2'].dropna().astype(int).value_counts().sort_index())
cat_3_A=pd.DataFrame(cat_A['Product_Category_3'].dropna().astype(int).value_counts().sort_index())
cat_A_sum=pd.merge(cat_1_A,cat_2_A,how='outer',left_index=True,right_index=True)
cat_A_sum=pd.merge(cat_A_sum,cat_3_A,how='outer',left_index=True,right_index=True)
cat_A_sum=cat_A_sum.fillna(0).astype(int)
cat_A_sum['All']=cat_A_sum.sum(axis=1)

#统计B类城市用户购买的商品标签
cat_1_B=pd.DataFrame(cat_B['Product_Category_1'].value_counts().sort_index())
cat_2_B=pd.DataFrame(cat_B['Product_Category_2'].dropna().astype(int).value_counts().sort_index())
cat_3_B=pd.DataFrame(cat_B['Product_Category_3'].dropna().astype(int).value_counts().sort_index())
cat_B_sum=pd.merge(cat_1_B,cat_2_B,how='outer',left_index=True,right_index=True)
cat_B_sum=pd.merge(cat_B_sum,cat_3_B,how='outer',left_index=True,right_index=True)
cat_B_sum=cat_B_sum.fillna(0).astype(int)
cat_B_sum['All']=cat_B_sum.sum(axis=1)

#统计C类城市用户购买的商品标签
cat_1_C=pd.DataFrame(cat_C['Product_Category_1'].value_counts().sort_index())
cat_2_C=pd.DataFrame(cat_C['Product_Category_2'].dropna().astype(int).value_counts().sort_index())
cat_3_C=pd.DataFrame(cat_C['Product_Category_3'].dropna().astype(int).value_counts().sort_index())
cat_C_sum=pd.merge(cat_1_C,cat_2_C,how='outer',left_index=True,right_index=True)
cat_C_sum=pd.merge(cat_C_sum,cat_3_C,how='outer',left_index=True,right_index=True)
cat_C_sum=cat_C_sum.fillna(0).astype(int)
cat_C_sum['All']=cat_C_sum.sum(axis=1)

#合并各类城市用户购买的商品标签数
cat_city_sum=pd.DataFrame(cat_A_sum['All']).rename(columns=dict(All='A')).join(pd.DataFrame(cat_B_sum['All']).rename(columns=dict(All='B')))
cat_city_sum=cat_city_sum.join(pd.DataFrame(cat_C_sum['All']).rename(columns=dict(All='C')))

fig=plt.figure(figsize=(12,6),dpi=100)
ax1=fig.add_subplot(1,3,1)
ax1.pie(cat_city_sum['A'].sort_values(ascending=False),labels=cat_city_sum['A'].sort_values(ascending=False).index,shadow=True,
       startangle=90,colors=sns.color_palette('husl',18),
       textprops=dict(fontsize=7))
ax1.axis('equal')
ax1.set_title('A类城市用户购买商品的标签数量',fontsize=13)

ax2=fig.add_subplot(1,3,2)
ax2.pie(cat_city_sum['B'].sort_values(ascending=False),labels=cat_city_sum['B'].sort_values(ascending=False).index,shadow=True,
       startangle=90,colors=sns.color_palette('husl',18),
       textprops=dict(fontsize=7))
ax2.axis('equal')
ax2.set_title('B类城市用户购买商品的标签数量',fontsize=13)

ax3=fig.add_subplot(1,3,3)
ax3.pie(cat_city_sum['C'].sort_values(ascending=False),labels=cat_city_sum['C'].sort_values(ascending=False).index,shadow=True,
       startangle=90,colors=sns.color_palette('husl',18),
       textprops=dict(fontsize=7))
ax3.axis('equal')
ax3.set_title('C类城市用户购买商品的标签数量',fontsize=13)

7.3 婚姻状况

#分别整理出已婚、未婚用户购买的商品标签
cat_0=black_friday[black_friday['Marital_Status']==0].loc[:,'Product_Category_1':'Product_Category_3']
cat_1=black_friday[black_friday['Marital_Status']==1].loc[:,'Product_Category_1':'Product_Category_3']

#统计未婚用户购买的商品标签
cat_1_0=pd.DataFrame(cat_0['Product_Category_1'].value_counts().sort_index())
cat_2_0=pd.DataFrame(cat_0['Product_Category_2'].dropna().astype(int).value_counts().sort_index())
cat_3_0=pd.DataFrame(cat_0['Product_Category_3'].dropna().astype(int).value_counts().sort_index())
cat_0_sum=pd.merge(cat_1_0,cat_2_0,how='outer',left_index=True,right_index=True)
cat_0_sum=pd.merge(cat_0_sum,cat_3_0,how='outer',left_index=True,right_index=True)
cat_0_sum=cat_0_sum.fillna(0).astype(int)
cat_0_sum['All']=cat_0_sum.sum(axis=1)

#统计已婚用户购买的商品标签
cat_1_1=pd.DataFrame(cat_1['Product_Category_1'].value_counts().sort_index())
cat_2_1=pd.DataFrame(cat_1['Product_Category_2'].dropna().astype(int).value_counts().sort_index())
cat_3_1=pd.DataFrame(cat_1['Product_Category_3'].dropna().astype(int).value_counts().sort_index())
cat_1_sum=pd.merge(cat_1_1,cat_2_1,how='outer',left_index=True,right_index=True)
cat_1_sum=pd.merge(cat_1_sum,cat_3_1,how='outer',left_index=True,right_index=True)
cat_1_sum=cat_1_sum.fillna(0).astype(int)
cat_1_sum['All']=cat_1_sum.sum(axis=1)

#合并已婚未婚用户购买的商品标签数
cat_marital_sum=pd.DataFrame(cat_0_sum['All']).rename(columns=dict(All='未婚')).join(pd.DataFrame(cat_1_sum['All']).rename(columns=dict(All='已婚')))

fig=plt.figure(figsize=(12,6),dpi=100)
ax1=fig.add_subplot(1,2,1)
ax1.pie(cat_marital_sum['未婚'].sort_values(ascending=False),labels=cat_marital_sum['未婚'].sort_values(ascending=False).index,shadow=True,
       startangle=90,colors=sns.color_palette('husl',18),
       textprops=dict(fontsize=9))
ax1.axis('equal')
ax1.set_title('未婚用户购买商品的标签数量',fontsize=15)
ax2=fig.add_subplot(1,2,2)
ax2.pie(cat_marital_sum['已婚'].sort_values(ascending=False),labels=cat_marital_sum['已婚'].sort_values(ascending=False).index,shadow=True,
       startangle=90,colors=sns.color_palette('husl',18),
       textprops=dict(fontsize=9))
ax2.axis('equal')
ax2.set_title('已婚用户购买商品的标签数量',fontsize=15)

小结

总的来说，从性别、城市类别、婚姻状况三个角度划分用户并分析其购买商品的偏好，发现不同用户群体的偏好差异不大。

仅有男女用户对标签1和14的商品偏好稍大。相比之下，男性用户对于1类商品更为青睐，女性用户对这两种商品的偏好并没有太大差异。

来源：CSDN

作者：采蘑菇的小白

链接：https://blog.csdn.net/qq_41097598/article/details/84310763