项目介绍:

本数据来源于阿里巴巴天池平台。该数据提供口碑商店信息，从2015年1月7日到2016年3月10日（2015.12.12除外）。本文对该数据进行分析，旨在了解受消费者欢迎的商铺以及商品种类。
数据链接：https://pan.baidu.com/s/1J8Q0eCD73wCL3WnLXncXag
提取码：9w0z

本文分析的主要框架

1.整体数据观察
2.城市角度分析(探究城市分布、消费力度、主要商品类目)
3.商品角度分析(销售金额Top商品，探究最优价值商品)
4.shop角度分析(探究平均付款金额与评分、级别以及评论数量之间的关系)
5.结论

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

1.数据观察

columns = ['shop_id','city_name','location_id','per_pay','score','comment_cnt','shop_level','cate_1_name','cate_2_name','cate_3_name']
df= pd.read_table(r'F:\data\shop_data\shop_info.txt',names=columns, sep=',')
df.head(5)

image.png

df.info()

image.png

原始数据中共有10个字段，每个字段共2000行，字段解释如下：
shop_id：商店ID
city_name：城市
location_id：位置ID（邻居商店具有相同的位置ID）
per_pay：平均付款金额（数字越大表示平均付款金额越高）
score：用户给出的商店得分（数字越大表示得分越高）
comment_cnt：用户评论数量
shop_level：由口碑给出的商店等级（数字越大表示更高等级）
cate_1_name：一级类别名称（中文）
cate_2_name：二级类别名称（中文）
cate_3_name：三级类别名称（中文）

(df.shape[0]-df.count(axis=0))/df.shape[0]

image.png

由上看出score、comment_cnt、cate_3_name 的数据是有欠缺的
score 、comment_cnt将近欠缺了14.6% 的数据
cate_3_name 将近欠缺了29%的数据

2.城市角度分析

city_grouped= df.groupby('city_name')
city_grouped['shop_id'].count().sort_values(ascending=False).head(10).plot.pie()

image.png

由上图可以看出，口碑上的商店主要是分布在上海、杭州、北京、广州、南京、武汉、深圳等城市。

df[df.city_name=='上海'].cate_1_name.value_counts().plot.bar()

image.png

我们再专门对商店数量最多的上海单独分析，发现这些商店多以美食为主。

city_grouped['per_pay'].mean().sort_values(ascending=False).head(10).plot.pie()

image.png

由此图发现，平均付款金额较大的并非一线城市，而是德阳、张家口等三四线城市。

3.商品角度分析

cate1_grouped= df.groupby('cate_1_name')
cate1_grouped['comment_cnt'].sum().sort_values(ascending=False).head(1)

image.png

在一类商品中，获评论数量最多的是美食类，可见美食类在口碑上最受关注。

a=df[df.cate_1_name=='美食']
a.head()

image.png

a.groupby('cate_2_name')['comment_cnt'].sum().sort_values(ascending=False).head()

image.png

美食类里面又以快餐类目热销，这也正与口碑为外卖平台相符。

4.shop角度分析

score_grouped=df.groupby('score')
score_grouped['per_pay'].mean()

image.png

平均付款金额最高的shop评分主要是1分，其次是评分为2/3，或许我们可以猜测这些商铺评分低的其中一个原因是价格偏高。

shop_level_grouped=df.groupby('shop_level')
shop_level_grouped['per_pay'].mean()

image.png

由此看出，口碑上level高的shop平均付款金额要更高一点。

comment_cnt_grouped=df.groupby('comment_cnt')
comment_cnt_grouped['per_pay'].mean()

image.png

comment_cnt_grouped['per_pay'].mean().plot.bar()

image.png

该直方图显示评论数量与平均消费金额没有太大关系。

5.结论以及建议

1.从城市角度看：

• 结论汇总：口碑上的商店主要是分布在上海、杭州、北京、广州等一线城市，且多以美食类为主

2.从商品角度看：

• 结论汇总：在口碑上，美食类快餐最受用户关注

3.从shop角度看：

• 结论汇总：价格偏高可能会引起用户不满，从而导致评分很低；由口碑给出的商店等级越高，其平均消费金额也会相对较高一点