12.1 数据分析案例

12.1 数据分析案例

NumPy 数据分析案例详解

12.1 数据分析案例：销售数据分析

12.1.1 案例背景

假设我们是一家电商公司，拥有一个包含销售数据的 CSV 文件。该文件包含以下字段：

• order_id: 订单 ID (字符串)

• product_id: 产品 ID (字符串)

• customer_id: 客户 ID (字符串)

• order_date: 订单日期 (字符串，格式如 YYYY-MM-DD)

• quantity: 购买数量 (整数)

• unit_price: 单价 (浮点数)

我们的目标是利用 NumPy 对这份销售数据进行分析，回答以下问题：

1. 总销售额是多少？

2. 最畅销的产品是什么？

3. 每个月的销售额是多少？

4. 消费最高的客户是谁？

5. 销售额的统计描述（均值、标准差、最大值、最小值等）

12.1.2 数据准备

首先，我们需要导入必要的库：

import numpy as np
import pandas as pd  # 用于读取 CSV 文件
from datetime import datetime
​

然后，使用 pandas 读取 CSV 文件，并将其转换为 NumPy 数组：

# 假设 CSV 文件名为 sales_data.csv
try:
    df = pd.read_csv('sales_data.csv')
except FileNotFoundError:
    print("Error: sales_data.csv not found. Please make sure the file exists in the same directory.")
    exit()
# 转换为 NumPy 数组
sales_data = df.to_numpy()
print(sales_data.shape) # 打印数组的形状，例如 (1000, 6)
print(sales_data[0]) # 打印第一行数据，查看数据类型
​

12.1.3 数据清洗与转换

在进行分析之前，我们需要对数据进行清洗和转换，确保数据的质量和格式正确。

• 数据类型转换: 将订单日期转换为 datetime 对象，数量转换为整数，单价转换为浮点数。

# 定义数据类型
data_types = [('order_id', 'U20'), ('product_id', 'U20'), ('customer_id', 'U20'),
              ('order_date', 'datetime64[D]'), ('quantity', 'i4'), ('unit_price', 'f4')]
# 使用 astype 指定数据类型
try:
    sales_data_cleaned = np.array([tuple(x) for x in sales_data], dtype=data_types)
except ValueError as e:
    print(f"Error during data type conversion: {e}")
    print("Please check the data in your CSV file for inconsistencies.")
    exit()
print(sales_data_cleaned.dtype) # 打印数据类型
print(sales_data_cleaned[0]) # 打印第一行数据，查看数据类型
​

12.1.4 数据分析与代码实践

现在我们可以使用 NumPy 进行数据分析了。

1. 总销售额

# 计算每笔订单的销售额
sales_amount = sales_data_cleaned['quantity'] * sales_data_cleaned['unit_price']
# 计算总销售额
total_sales = np.sum(sales_amount)
print(f"总销售额: ${total_sales:.2f}")
​

2. 最畅销的产品

# 使用 unique 函数找到所有唯一的产品 ID
unique_products = np.unique(sales_data_cleaned['product_id'])
# 创建一个空字典来存储每个产品的总销量
product_sales = {}
# 遍历每个唯一的产品 ID
for product in unique_products:
    # 找到所有包含当前产品 ID 的行
    product_indices = sales_data_cleaned['product_id'] == product
    # 计算当前产品的总销量
    total_quantity = np.sum(sales_data_cleaned['quantity'][product_indices])
    # 将产品 ID 和总销量添加到字典中
    product_sales[product] = total_quantity
# 找到总销量最大的产品
best_selling_product = max(product_sales, key=product_sales.get)
print(f"最畅销的产品: {best_selling_product} (销量: {product_sales[best_selling_product]})")
​

或者，更简洁的方式使用 pandas 的 groupby 和 sort_values:

df['sales_amount'] = df['quantity'] * df['unit_price']
product_sales = df.groupby('product_id')['quantity'].sum().sort_values(ascending=False)
best_selling_product = product_sales.index[0]
best_selling_quantity = product_sales.iloc[0]
print(f"最畅销的产品: {best_selling_product} (销量: {best_selling_quantity})")
​

3. 每月的销售额

# 提取年份和月份
months = sales_data_cleaned['order_date'].astype('datetime64[M]')
# 获取唯一月份
unique_months = np.unique(months)
# 创建一个空字典来存储每月销售额
monthly_sales = {}
# 遍历每个唯一月份
for month in unique_months:
    # 找到所有包含当前月份的行
    month_indices = months == month
    # 计算当前月份的总销售额
    total_sales = np.sum(sales_amount[month_indices])
    # 将月份和总销售额添加到字典中
    monthly_sales[month] = total_sales
# 打印每月销售额
for month, sales in monthly_sales.items():
    print(f"{month}: ${sales:.2f}")
​

或者，更简洁的方式使用 pandas 的 groupby:

df['order_date'] = pd.to_datetime(df['order_date'])
monthly_sales = df.groupby(pd.Grouper(key='order_date', freq='M'))['sales_amount'].sum()
for month, sales in monthly_sales.items():
    print(f"{month.strftime('%Y-%m')}: ${sales:.2f}")
​

4. 消费最高的客户

# 使用 unique 函数找到所有唯一的客户 ID
unique_customers = np.unique(sales_data_cleaned['customer_id'])
# 创建一个空字典来存储每个客户的总消费额
customer_spending = {}
# 遍历每个唯一的客户 ID
for customer in unique_customers:
    # 找到所有包含当前客户 ID 的行
    customer_indices = sales_data_cleaned['customer_id'] == customer
    # 计算当前客户的总消费额
    total_spending = np.sum(sales_amount[customer_indices])
    # 将客户 ID 和总消费额添加到字典中
    customer_spending[customer] = total_spending
# 找到总消费额最高的客户
top_customer = max(customer_spending, key=customer_spending.get)
print(f"消费最高的客户: {top_customer} (消费额: ${customer_spending[top_customer]:.2f})")
​

或者，更简洁的方式使用 pandas 的 groupby:

customer_spending = df.groupby('customer_id')['sales_amount'].sum().sort_values(ascending=False)
top_customer = customer_spending.index[0]
top_customer_spending = customer_spending.iloc[0]
print(f"消费最高的客户: {top_customer} (消费额: ${top_customer_spending:.2f})")
​

5. 销售额的统计描述

# 使用 NumPy 的统计函数计算销售额的统计描述
sales_mean = np.mean(sales_amount)
sales_std = np.std(sales_amount)
sales_max = np.max(sales_amount)
sales_min = np.min(sales_amount)
sales_median = np.median(sales_amount)
sales_percentiles = np.percentile(sales_amount, [25, 50, 75]) # 计算 25%, 50%, 75% 分位数
print(f"销售额均值: ${sales_mean:.2f}")
print(f"销售额标准差: ${sales_std:.2f}")
print(f"销售额最大值: ${sales_max:.2f}")
print(f"销售额最小值: ${sales_min:.2f}")
print(f"销售额中位数: ${sales_median:.2f}")
print(f"销售额25%分位数: ${sales_percentiles[0]:.2f}")
print(f"销售额50%分位数: ${sales_percentiles[1]:.2f}")
print(f"销售额75%分位数: ${sales_percentiles[2]:.2f}")
​

或者，使用 pandas 的 describe 方法：

print(df['sales_amount'].describe())
​

12.1.5 流程图

使用 Mermaid 绘制流程图，描述整个数据分析过程：

12.1.6 结论

通过本案例，我们演示了如何使用 NumPy 对销售数据进行分析。 NumPy 提供了强大的数组操作和数学函数，可以方便地进行数据清洗、转换和统计分析。 虽然 pandas 在某些方面提供了更简洁的语法，但 NumPy 仍然是数据分析的基础，理解 NumPy 的原理有助于更深入地理解 pandas 和其他数据分析工具。 在实际应用中，我们可以根据具体需求选择合适的工具和方法，灵活地运用 NumPy 和其他库，以实现更高效的数据分析。

12.1.7 扩展

• 数据可视化: 可以使用 matplotlib 或 seaborn 等库将分析结果可视化，例如绘制每月销售额的折线图，或者绘制产品销量的柱状图。

• 更复杂的分析: 可以进行更复杂的分析，例如计算客户的复购率，或者预测未来的销售额。

• 数据源: 可以从不同的数据源读取数据，例如数据库或 API。

• A/B测试: 可以使用NumPy来进行A/B测试，例如比较不同营销策略的效果。