1.数据准备
本次黑色星期五数据集来自kaggle，关于零售商店中黑色星期五的55万观察数据集，它包含不同类型的数字或分类变量和缺失值。利用Jupyter Notebook对数据集进行清洗处理、可视化操作。一共12个字段，538k条数据。
数据来源：
字段说明：
2. 数据分析内容
对于商品销售类的数据分析方向可以从 销售画像，用户画像、商品画像 三个维度展开分析。
销售画像主要针对以下几个方面：
用户画像主要针对以下几个方面：
商品画像主要针对以下几个方面：
3.数据清洗
加载数据，查看数据情况：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_csv('BlackFriday.csv')
data.info()
因产品分类存在缺失值，无法填补，故去掉产品分类字段，不作为分析的内容。
4.数据分析
【1】销售画像
销售总额
用户总数，用户人均消费金额
商品总量
【2】用户画像
用户性别分布和消费情况
import seaborn as sns
plt.style.use("fivethirtyeight")
sns.set_style({'font.sans-serif':['simhei','Arial']}) #设置字体
labels = ['Male','Female']
x = [M,F]
explode = (0.1,0)
plt.pie(x,labels=labels,autopct='%.0f%%',textprops = {'fontsize':10,'color':'k'},
explode=explode,shadow=True,startangle=60,pctdistance = 0.5)
plt.axis('equal')
plt.title('用户性别分布情况')
plt.show()
可以看出，本次黑色星期五用户中，男性用户约为女性用户的2.5倍，男性消费水平是女性消费水平的3.3倍，男性在数量和消费金额上都比女性多。
用户年龄分布和消费情况
dt.drop_duplicates('User_ID').groupby('Age')['User_ID'].count()
dt.groupby('Age')['Purchase'].sum()
用户年龄主要集中在18-45之间，其中26-35用户数占比总用户数的34.9%，消费金额占总销售额的40%，可见这个年龄段是本次活动的主力军。
用户职业分布和消费情况
4，0，7三个职业用户数占总用户数的35.6%，其消费金额前三也是4，0，7，可见，这三个职业的消费人数和消费金额大于其他职业。
用户婚姻分布和消费情况
dt.drop_duplicates('User_ID').groupby('Marital_Status')['User_ID'].count()
dt.groupby('Marital_Status')['Purchase'].sum()
dt.groupby('Marital_Status')['Purchase'].sum()/dt.groupby('Marital_Status')['User_ID'].count()
未婚在本次活动中占比大于已婚，但是未婚和已婚在人均消费情况下基本一致，可见婚姻状态对消费金额影响不是很大。
用户城市居住时间分布和消费情况
dt.drop_duplicates('User_ID').groupby('Stay_In_Current_City_Years')['User_ID'].count()
dt.groupby('Stay_In_Current_City_Years')['Purchase'].sum()
当前城市居住时间大部分是在1年，消费水平在四个类别中最高。
【商品画像】
最受喜爱的商品分布和消费情况
dt.groupby('Product_ID')['User_ID'].count().sort_values(ascending=False).head(10)
dt.groupby('Product_ID')['Purchase'].sum().sort_values(ascending=False).head(10)
最受喜爱的商品前十分布和成交金额最多的商品重叠部分比较少，不过也是正常，成交数量最多若是单价不高，成交金额也就不是最多。
男女消费者喜爱的商品分布和消费情况
喜爱的商品在男女消费者之间差距比较大，重复的商品数不多。
不同年龄段喜欢的商品分布和消费情况
未婚和已婚喜欢的商品分布和消费情况
未婚用户和已婚用户最受喜爱前十商品中有7个是一样的，可以大致看出在是否结婚对商品的需求影响不明显。
不同职业喜欢的商品分布和消费情况
以4，0，7三个职业进行分析
dt[dt['Occupation']==4].groupby('Product_ID')['User_ID'].count().sort_values(ascending=False).head(10)
dt[dt['Occupation']==0].groupby('Product_ID')['User_ID'].count().sort_values(ascending=False).head(10)
dt[dt['Occupation']==7].groupby('Product_ID')['User_ID'].count().sort_values(ascending=False).head(10)
dt[dt['Occupation']==4].groupby('Product_ID')['Purchase'].sum().sort_values(ascending=False).head(10)
dt[dt['Occupation']==0].groupby('Product_ID')['Purchase'].sum().sort_values(ascending=False).head(10)
dt[dt['Occupation']==7].groupby('Product_ID')['Purchase'].sum().sort_values(ascending=False).head(10)
4，0，7三职业喜欢的商品分布和消费情况总体大致一样，喜欢商品重复率高。
不同城市喜欢的商品分布和消费情况
dt[dt['City_Category']=='A'].groupby('Product_ID')['User_ID'].count().sort_values(ascending=False).head(10)
dt[dt['City_Category']=='B'].groupby('Product_ID')['User_ID'].count().sort_values(ascending=False).head(10)
dt[dt['City_Category']=='C'].groupby('Product_ID')['User_ID'].count().sort_values(ascending=False).head(10)
dt[dt['City_Category']=='A'].groupby('City_Category')['Purchase'].sum()
dt[dt['City_Category']=='B'].groupby('City_Category')['Purchase'].sum()
dt[dt['City_Category']=='C'].groupby('City_Category')['Purchase'].sum()
A，B，C三城市最受欢迎的商品都是P00265242，其他商品三座城市的重叠率高，可见，ABC城市的人群在商品需求方面比较类似。
5.总结
本文利用实际数据进行分析，从 销售画像，用户画像、商品画像三个维度展开，基于Python的数据处理，可视化展示等技术分析数据的内在特性。
