Py数据基础与分析6

电商店主商品订单大数据分析“Python大数据分析与可视化项目二01项目概述2.1项目概述随着电子商务的迅猛发展，电商平台上的商品种类繁多，竞争激烈。为了在众多商品中脱颖而出，商家需要对商品的销售数据进行深入分析，以便更好地了解市场需求、优化商品结构和提升服务质量。本项目通过NumPy对用户行为数据进行深入分析，对店主订单进行大数据分析，帮助店主了解商品销售情况，发现潜在问题，并制定相应的改进措施。通过本次电商店主商品订单大数据分析项目的学习，我们不仅掌握了使用NumPy进行数据处理的基本技能，还深刻体会到了数据分析在商业决策中的重要作用。我们将这些知识和技能应用到实际工作中，不仅可以提高工作效率，还能为企业创造更多价值。同时，我们也认识到了在数据分析过程中必须严格遵守相关法律法规，保护用户的隐私和数据安全，做一个有道德、有责任心的数据分析师。02学习目标2.2学习目标学会NumPy数组的创建与基本操作。学会矩阵与向量的创建。掌握基本的数据分析方法，能够对用户行为数据进行深入分析，提升电商店铺的经营效率和用户体验。03知识积累2.3知识积累NumPy数组是有序的元素序列，向量、矩阵是线性代数中定义的一个数学概念。数组是计算机上的概念，从外观和数据结构上看，二维数组和数学中的矩阵没有区别，一维数组和数学中的向量没有区别。向量、矩阵是特殊的数组，三者关系如图2-1所示。在使用NumPy之前，需要在PyCharm中安装NumPy，然后使用import语句导入NumPy库，并给它设置一个别名np：一、数组数据类型2.3知识积累NumPy支持的数据类型比Python内置的类型要多，基本上可以和C语言的数据类型对应上，其中部分类型对应为Python内置的类型，表2-1列举了常用NumPy基本类型。一、数组数据类型2.3知识积累NumPy的数组对象ndarray是存储数据和有关如何处理数据的信息的数据类型，它描述了数据的以下几个方面：12数据的类型（整数，浮点数或者Python对象）数据的大小（例如，整数使用多少个字节存储）34数据的字节顺序（小端法或大端法）如果数据类型是结构化类型，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分5如果数据类型是子数组，描述它的形状和数据类型二、创建数组2.3知识积累在NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。根据数组中元素的维度将数组分为一维数组、二维数组、多维数组。1．array函数NumPy使用array函数通过直接定义数据创建数组，返回N维数组对象（即ndarray），该函数的调用格式如下：numpy.array(object,dtype=None,

copy=True,

order='K',subok=False,

ndmin=0)参数说明：object:数组，数组接口的任何对象，__array__方法返回数组的对象，或任何（嵌套）序列。dtype：数据类型copy：bool，如果为copy=true（默认值），则复制对象。二、创建数组2.3知识积累order：指定阵列的内存布局，可选址为K（按照元素在内存中出现的顺序排列）、A（原顺序）、C（按行）、F（按列）。subok：bool，如果值为True，则子类将被传递，否则返回的数组将被强制为基类数组（默认）。ndmin：指定数组应具有的最小维数。在Python中，数组的定义是广义的，数组的元素可以是任意的数据类型，例如可以是数值、字符串等。2．一维数组一维数组是最简单的数组，数组只有一个下标，一维数组相当于向量。（1）arange函数arange通过直接定义数据元素个数，而不是定义数据元素来创建数组。此函数的调用格式如下：该调用格式表示创建一个从first_value开始last_value结束，数据元素的增量为step（默认元素增量为1）的数组，dtype定义使用输入数据的类型。（2）linspace函数linspace通过直接定义数据元素个数，而不是数据元素直接的增量来创建一维数组（向量）。该数组可以看成一个是一个等差数列，此函数的调用格式如下：二、创建数组2.3知识积累该调用格式表示创建一个从first_value开始last_value结束，包含number个元素的向量。number默认值为50。endpoint用于设定是否包含last_value，该值为true时，数列中包含stop值，反之不包含，默认是True。retstep如果为True时，生成的数组中会显示间距，反之不显示。dtype用于设置ndarray的数据类型。（3）函数logspace与linspace一样，logspace也通过直接定义向量元素个数，而不是数据元素之间的增量来创建一个对数分隔的数组。logspace的调用格式如下：二、创建数组2.3知识积累表示创建一个从10开始，到10结束，包含number个数据元素的向量。base表示对数log的底数,默认为10。3．二维数组二维数组在概念上是二维的，即是说其下标在两个方向上变化，下标变量在数组中的位置也处于一个平面之中。二维数组相当于矩阵，所以矩阵是数组的子集。在NumPy中，一个阵列如果具有两个以上的维度则被称为多维数组。在NumPy中的多维数组是正常的两维矩阵的延伸。下一节介绍的ones，zeros或rand函数可直接创建多维数组。数组的维数与中括号的个数相关，根据上面的运行结果，第一行运行结果包含一组中括号，表示输出一维数组；第二行运行结果包含两组中括号，表示输出二维数组；第三行运行结果包含三组中括号，表示输出三维数组。二、创建数组2.3知识积累4．多维数组三、特殊数组2.3知识积累一、数值数组NumPy提供了一系列元素为同一数值的数组函数，下面分别进行介绍。1．空数组在NumPy中，空数组使用empty函数表示，该函数的调用格式如下：参数说明：shape：指定数组形状，（m,n）表示生成m行n列dtype：定义数据类型，指定为‘int8'、'uint8'、'int16'、'uint16'、'int32'、'uint32'、'int64'、'uint64'或提供zeros支持的其他类的名称。默认为浮点数，dtype=float。order：'C'用于C的行数组，或者'F'用于FORTRAN的列数组三、特殊数组2.3知识积累2．全零数组在NumPy中，全零数组使用zeros函数表示，该函数的调用格式如下：参数说明：shape：指定数组形状，（m,n）表示生成m行n列dtype：定义数据类型，指定为'int8'、'uint8'、'int16'、'uint16'、'int32'、'uint32'、'int64'、'uint64'或提供zeros支持的其他类的名称。默认为浮点数，dtype=float。order：'C'用于C的行数组，或者'F'用于FORTRAN的列数组三、特殊数组2.3知识积累3．全一数组在NumPy中，全1数组使用ones命令表示，该函数的调用格式如下：参数说明：shape：指定数组形状。dtype：定义数据类型。fill_value：标量(无向量)，表示填充数组的值。order：'C'用于C的行数组，或者'F'用于FORTRAN的列数组。三、特殊数组2.3知识积累4．数值数组在NumPy中，使用full函数创建数值数组，该数组元素均为指定数值，该函数的调用格式如下：参数说明：shape：指定数组形状，数组的一维shape为（m）或者（m，）；（m,n）表示生成m行n列的二维数组。fill_value:填充数组的值。可以是任何与dtype兼容的标量值，包括数字、字符串等等。dtype：定义数据类型，指定为'int8'、'uint8'、'int16'、'uint16'、'int32'、'uint32'、'int64'、'uint64'或提供zeros支持的其他类的名称。默认为浮点数，dtype=float。order：存储数组元素的顺序。可选参数：默认为'C'(行优先)，也可以是'F'(列优先)。like：创建与like数组类似的数组。三、特殊数组2.3知识积累二、随机数组随机数组，顾名思义，随机生成，没有规律，因此每一次生成的随机数组不同。numpy.random模块可方便生成随机数组，返回指定范围内的一个整数或浮点数。1．0到1内随机数组rand和random函数生成[0.0,1.0)之间的随机浮点数数组，size表示数组大小。该函数的调用格式如下：其中，d1,d2,…dn用于指定数组大小，当参数为空时，返回一个随机浮点数，当有一个参数时，返回该参数长度大小的一维随机浮点数数组，以此类推，可以生成二维数组、多维数组。三、特殊数组2.3知识积累三、单位数组在NumPy中，eye函数创建指定大小的单位数组，该函数的调用格式如下：参数说明：N,M:表示数组大小，生成单位数组。k：为对角元素的索引。dtype：定义数据类型，默认为浮点数。order：'C'用于生成C的行数组，或者'F'用于FORTRAN的列数组。在numpy中，identity函数创建n*n的单位数组，该函数的调用格式如下：参数说明：n:该函数与eye函数的区别在于，该函数只能创建方阵，也就是N=M=ndtype：定义数据类型，默认为浮点数。三、特殊数组2.3知识积累四、概率分布数组概率分布是指用于表述随机变量取值的概率规律。在自然现象和社会现象中，大量随机变量都服从或近似服从不同种类的分布.例如，一个地区的男性成年人的身高；测量某零件长度的误差，海洋波浪的高度，半导体器件中的热噪声电流或电压等，都服从正态分布。在间隔时间内放射出a粒子的数目服从指数分布。在Python中，NumPy库的random子模块中包含一些生成服从指定分布随机数组的函数。具体的调用格式见表2-2。1．基本运算数组的基本运算包括加、减、乘、除、乘方、求逆等。与大家所学的线性代数中的定义是一样的，相应的运算符为“+”、“－”、“*”、“\”、“**”四、数组运算2.3知识积累在数组间进行加减乘除时，它的默认行为是逐项乘的。NumPy常用的数学运算函数见表2-3。2.数组形状设置在NumPy中，当数组进行运算时，如果两个数组的形状相同，那么两个数组相乘就是两个数组的对应位相乘，这就要求维数相乘，并且各维度的长度相同。（1）数组变形reshape函数用于改变数组形状,在不更改数据内容的前提下，重新定义数组的形状。该函数是一个非常实用的工具，可以用于将一个数组转换成任意形状的数组。该函数的调用形式如下：四、数组运算2.3知识积累参数说明：a：需要重塑的数组。newshape：一个整数或整数元组，定义了数组的新形状。（2）数组广播当运算中两个数组的形状不同使时，为了能更好的进行数组的运算，NumPy引入广播机制。广播(Broadcast)是NumPy对不同形状(shape)的数组进行数值计算的方式。广播的规则如下：如果两个数组的维度数不相同，那么小维度数组的形状将会在最左边补1。如果两个数组的形状在任何一个维度上都不匹配，那么数组的形状会沿着维度为1的维度扩展以匹配另外一个数组的形状。如果两个数组的形状在任何一个维度上都不匹配，并且没有任何一个维度等于1，会引发异常。关于数组广播的函数见表2-4。3．数组的索引在Python中，一个数组可以分解为多个数组元素，这些数组元素可以是基本数据类型或是构造类型。数组的索引和切片都是对数组元素的引用。4．索引值索引使用下标数组元素引用的方式见表2-5。5．choice函数除了使用索引和切片输出数组元素，NumPy模块中还提供了choice函数，用于从给定的1维数组中随机采样，该函数的调用格式如下：四、数组运算2.3知识积累6．take函数take函数用于沿轴取数组中的元素，该函数的调用格式如下：numpy.take(a,indices,axis=None,out=None,mode='raise'）参数说明：a：输入数组。indices：要获取的值的索引。axis：抽取元素的轴。out：将结果放入数组。mode:指定出现超出数组范围的索引是执行的行为模式：'raise'（引发错误）、‘wrap'（循环）、'clip'（剪辑到指定范围）7．choose函数choose函数按照索引对数组的元素进行选择，该函数的调用格式如下：numpy.choose(a,choices,out=None,mode='raise')四、数组运算2.3知识积累参数说明：a:索引数组，其中的数必须是整数mode:指定出现超出数组范围的索引是执行的行为模式：mode=‘raise’表示a中数必须在[0,n-1]范围内；mode=wrap’表示a中数可以是任意的整数（signed），对n取余映射到[0,n-1]范围内；mode='clip'表示a中数可以是任意的整数(signed)，负数映射为0，大于n-1的数映射为n-1。数组是相同数据类型的元素的集合。数组中的各元素的存储是有先后顺序的，它们在内存中按照这个先后顺序连续存放在一起。1．数组排序NumPy的random子模块提供了两个数组排序函数，shuffle函数和permutation函数。shuffle函数对原数组进行随机排列，该函数的调用格式如下：五、数组元素运算2.3知识积累permutation函数返回一个随机排列的新数组。该函数的调用格式如下：2．遍历数组遍历数组是指把数组中的每个数都读一遍，Python提供了两种遍历数组，输出所有元素的方法。（1）一般情况下，使用for循环遍历数组元素。（2）数组迭代NumPy模块中的nditer函数提供了一种灵活访问一个或者多个数组元素的方式，该函数的调用格式如下：3．数组元素的增减数组元素用整个数组的名字和它自己在数组中的顺序位置来表示。因为数组元素的下表是从0开始，因此索引i表示数组的第i+1个元素。例如，a[0]表示名字为a的数组中的第一个元素，a[1]代表数组a的第二个元素，以此类推。数组元素的增减是最基本的数组元素操作，常用的数组元素的增减命令见表2-6。五、数组元素运算2.3知识积累矩阵运算是线性代数中极其重要的部分，利用NumPy对矩阵除了进行一些基本的运算，还可以用NumPy求矩阵的逆与转置。矩阵只能是二维的，而数组可以是任意维度的，矩阵和数组在数学运算上会有不同的结构。除了维度的不同，矩阵是一个矩阵matrix对象，数组是ndarray对象。矩阵是由m×n个数(i=1,2,…,m;j=1,2,…,n)排成的m行n列数表，记成：六、创建矩阵2.3知识积累称为m×n矩阵，也可以记成或。其中，i表示行数，j表示列数。若m=n，则该矩阵为n阶矩阵（n阶方阵）。矩阵的生成主要有两种方法，采用mat函数创建矩阵和采用matrix函数创建矩阵。在numpy中,matrix函数用于创建矩阵，该函数的调用形式如下：NumPy模块的核心就是基于数组的运算，数组的运算效率是最高的。在统计分析过程中，经常会使用到NumPy模块的函数.NumPy模块用于数理统计的函数是较为简单的，其涉及的数学知识是大家都很熟悉的数据分析，比如求均值与方差等。在数学分析中，在给定范围内（相对极值）或函数的整个域（全局或绝对极值），函数的最大值和最小值被统称为极值（极数）。NumPy中的极值统计函数见表2-7。七、统计函数2.3知识积累04思维导图2.4思维导图05任务一

商品投诉订单大数据分析2.5任务一

商品投诉订单大数据分析在本任务中，利用Python的NumPy库构建一个某电商平台商品的订单量、退单量、发货量和投诉订单量，按照订单量对这些商品进行排序，以便快速识别出销量较高的商品。最后，筛选出投诉订单量，了解客户满意度，从而采取相应的措施来提高服务质量和商品质量。任务描述素养提升“七天无理由退货”服务电子商务平台在现代经济中扮演着越来越重要的角色，而其中的商品订单数据是电商平台运营的重要资源。通过对这些数据的深入分析，不仅可以提升销售业绩，还能优化用户体验，增强用户黏性。京东作为中国领先的电商平台之一，其“无理由退货”政策一直备受关注和讨论。这一政策不仅体现了京东对消费者权益的重视，也反映了企业在市场竞争中的战略选择。京东的“无理由退货”政策不仅是对消费者权益的一种保障，也是对企业自身服务水平的一种考验。这一政策促使企业在产品质量、物流配送、售后服务等方面不断提升，以减少退货的发生。对于电商平台而言，这种高标准的服务要求可以推动整个行业向更高水平发展，形成良性竞争环境。从更广泛的角度来看，这一理念还可以引申到其他领域。例如，政府可以通过大数据分析来优化公共服务，提高行政效率；医疗机构可以利用大数据来改善医疗服务质量，提升患者满意度。总之，大数据技术的应用潜力巨大，关键在于如何合理利用并发挥其最大效用。2.5任务一

商品投诉订单大数据分析2.5任务一

商品投诉订单大数据分析1．在将数据输入到NumPy数组之前，是否需要进行任何预处理（如去除异常值、填补缺失值等）？2．选择哪种排序算法能够更高效地对商品按订单量进行排序？3．为什么选择投诉订单量超过10作为筛选条件？是否有更合理的阈值？4．如何以直观的方式展示筛选出的商品信息，使店主能够一目了然地看到问题所在？5．除了投诉订单量外，是否还需要考虑其他因素（如退单率、发货速度等）来全面评估商品表现？任务思考任务工单2.5任务一

商品投诉订单大数据分析任务实施1.数据定义与整理定义某电商平台一天内10000类商品的订单量、退单量、发货量和投诉订单量，并将其整理成结构化的数组形式。通过定义和整理某电商平台一天内1000类商品的订单量、退单量、发货量和投诉订单量，我们获得了一个结构化的二维数组。这个数组包含了每类商品的关键订单指标，为我们后续的分析提供了基础数据。2.数据排序分别按订单量和投诉订单量对数组进行升序排序，注意这里需要将字符串转换为整数类型进行排序。通过排序和筛选操作，使得我们可以快速识别出销量较高或较低的商品，以及那些可能存在问题的高投诉商品。排序结果不仅展示了商品的受欢迎程度，还揭示了潜在的市场机会和风险点。在本任务中，商品Product_79、Product_391的订单量远高于其他商品，订单投诉量不大，因此可能需要增加这些商品的库存或优化其营销策略。3.投诉订单数据筛选筛选投诉订单量超过10的商品。通过筛选这些商品，我们可以更专注于那些用户体验较好的商品，进一步优化它们的服务和质量。同时，这也提醒我们需要关注那些投诉较多的商品（Product_1、Product_3），以便及时采取措施解决问题。2.5任务一

商品投诉订单大数据分析任务评价2.5任务一

商品投诉订单大数据分析拓展提高2.5任务一

商品投诉订单大数据分析创建数组后，可以通过设置数组的属性来实现数组的操作，NumPy的数组中ndarray对象属性见表2-9。NumPy的多维数组不仅仅表示三维，还能表示4、5...维。秩，即轴的数量或维度的数量，两行三列的数组，元素个数为2×3=6个，秩为2，表示它有两个维度，第一个维度长度为2,第二个维度长度为3。06任务二

商品退货订单统计分析2.6任务二

商品退货订单统计分析在完成第一个任务的基础上，本任务将进一步对退货订单数据进行统计分析，通过对比不同商品的统计数据，找出表现较好和较差的商品，为后续的营销策略提供依据。最终，将这些统计结果以清晰易懂的方式呈现出来，帮助店主做出更加明智的决策。1．除了总订单量、总退单量、总发货量和总投诉订单量等基本统计值外，是否还有其他重要的统计指标值得计算（例如最大、最小订单量、退货率等）？2．是否可以将分析的时间范围从一天扩展到更长时间段（如一周、一个月），以便观察趋势变化？3．是否可以考虑加入更多维度的分析（如按时间段、按客户群体等）来获得更深入的洞察？4．基于历史数据，能否建立一个简单的预测模型来预估未来一段时间内的订单量、退单量等关键指标？任务描述任务思考素养提升本地团购模式在当前快速变化的消费市场中，电商企业面临着前所未有的挑战和机遇。希望树，作为一家新兴的除醛行业的电商品牌，通过本地团购模式实现了从传统电商到团购市场的快速转型。这一转型不仅帮助希望树快速搭建了线下门店网络，还成功招收了大量加盟商，利用巨量本地推的产品优势，实现了业务的快速增长。通过巨量本地推的支持和高效策略，希望树在短短30天内实现了从电商到本地团购的成功转型，并且取得了类目GMV登顶的成就。通过对市场趋势的分析，发现消费者对本地化、个性化的购物体验需求日益增长，发现用户在平台上的搜索和购买行为显示出对本地团购的高度兴趣。于是，推出本地团购服务，通过线下门店和加盟商网络，提供更加便捷、个性化的购物体验。同时，利用巨量本地推的产品优势，进行精准营销，提高广告投放的效率和效果。通过深入分析市场和消费者数据，企业可以更准确地把握市场动态，制定出更符合市场需求的营销策略。这不仅有助于提升企业的市场竞争力，还能为消费者提供更优质的产品和服务。同时，这也提醒我们，在享受数字化带来的便利的同时，也要关注数据安全和隐私保护的问题。2.6任务二

商品退货订单统计分析任务工单2.6任务二

商品退货订单统计分析任务实施1.订单基本统计值分析在数据分析中，计算商品订单的最大值、最小值、均值、中值、标准差以及方差是理解商品订单数据分布和特征的重要步骤。通过计算这些指标并结合业务背景进行深入分析，企业可以更好地理解商品订单数据的特征和规律，从而制定更有效的退货管理和客户关系维护策略。最大值、最小值代表所有订单中数量最大、最小的一项，反映了某些特定订单的极端情况。关注最大值、最小值可以帮助识别是否存在异常高的订单情况。订单量最低为500，没有退单和投诉，发货量最低为473。这表明在最差的订单中，订单量只有500，且没有退单和投诉，