Sales data 분석

URL Sales data 로딩

Data Processing

1. missing data 찾기

2. missing data를 로우(axis=0) 단위로 자체(inplace=True)에서 삭제하고 확인하기

3.  불순 데이터(엉터리 데이터 = 같은 형타입이 아닌) 삭제

4. 중복된 data 보기

Feature Engineering

1. 주문당 구매액( Total  ) 생성

2. Order Date 를 월일시로 분리

3. Purchse Address 를 주소, 시, 주, 우편번호로 분리

4. State 와 ZIP 으로 재 분리

5. 불필요한 칼럼들 삭제

6. Order Date 순으로 정렬

Sales 분석

1. 매출액이 가장 큰 달은?

2. 각 달의 요일별 주문수는?

3. 시간대별 주문수는?

4. 가장 많이 팔린 제품은?

5. 각 도시별 Top5 판매수 제품들은?

6. 주문당 구매 제품수의 정보는?

7. 최대 구매액은?

8. 도시별 구매액은?

9. 주별 주문수의 분포는?

 

Sales data 불러와서 DataFrame구성

import pandas as pd import numpy as np import os url = "https://raw.githubusercontent.com/M0hamedIbrahim1/Sales-Data-Analysis/main/Dataset/" files = ["April_2019.csv","August_2019.csv","December_2019.csv","February_2019.csv","January_2019.csv", "July_2019.csv","June_2019.csv","March_2019.csv","May_2019.csv","November_2019.csv", "October_2019.csv","September_2019.csv"] filenames = [ url + file + "?raw=true"  for file in files] All_data = pd.DataFrame() for file in filenames:   df = pd.read_csv(file, engine='python',on_bad_lines='skip')   All_data = pd.concat([All_data , df]) data = All_data data.head() # random 표시 # data.sample(5)

data.describe() data.shape

(186850, 6)

 

Data Processing

1. missing data 찾기

data.isna().sum()

data[data.isna().any(axis = 1)]

일부만 표시

2. missing data를 로우(axis=0) 단위로 자체(inplace=True)에서 삭제하고 확인하기

data.dropna(axis=0, inplace=True) data.isna().sum()

 

3.  불순 데이터(엉터리 데이터 = 같은 형타입이 아닌) 삭제

data[data['Order Date'] == 'Order Date']

이들을 제거하는 가장 좋은 방법은 각 칼럼을 형변환을 할시 errors="coerce" 옵션을 해주면 변환에 실패한 값들은 자동으로 Nan 이 되므로 다시한번 2의 dropna 를 해주면 된다.

data['Quantity Ordered'] = pd.to_numeric(data['Quantity Ordered'],  errors='coerce') data['Price Each'] = pd.to_numeric(data['Price Each'], errors='coerce') data['Order Date'] = pd.to_datetime(data['Order Date'], format='%m/%d/%y %H:%M' , errors='coerce') data.dropna(axis=0, inplace=True)

 

칼럼의 형 정보를 살펴보자

data.info()

 

4. 중복된 data 보기

data.duplicated().sum() print(data[data.duplicated() == True])

 

 

Feature Engineering

1. 주문당 구매액( Total  ) 생성

data['Total'] = data['Quantity Ordered'] * data['Price Each']

 

2. Order Date 를 월일시로 분리

data['month'] = data['Order Date'].dt.month_name()  => January Februry March ...  data['day'] = data['Order Date'].dt.day_name() => Sunday Monday Tuesday ...  data['hour'] = data['Order Date'].dt.hour => 0 1 .. 23

 

3. Purchse Address 를 주소, 시, 주, 우편번호로 분리

data[['Street Address', 'City', 'State ZIP']] = data['Purchase Address'].str.split(', ', expand=True)

※ 'State ZIP'을 다시 'State'와 'ZIP'으로 분리하고자 하기 때문에 expand=True 를 추가하자.
    그러면 분리값이 One Dimension( [XXX, YYY, ZZZ] ) 대신에 추가로 분리가 가능한 Multi Dimesion으로 구성된다.

 

4. State 와 ZIP 으로 재 분리

data[['State' , 'Zip']] = data['State ZIP'].str.split(' ',expand = True)

 

5. 불필요한 칼럼들 삭제

data.drop(['Purchase Address' , 'State ZIP'] , axis = 1 ,inplace = True) # or data.drop(columns = ['Purchase Address' , 'State ZIP'], inplace = True)

 

6. Order Date 순으로 정렬

data = data.sort_values(by='Order Date')

 

Sales 분석

1. 매출액이 가장 큰 달은?

 먼저 month로 그룹핑을 하고 그 그룹의 Total의 sum ※ as_index=False 를 하지 않으면 month 가 index가 됨

monthly_sales  = data.groupby(['month'] , as_index = False)['Total'].sum() # = monthly_sales  = data.groupby(['month'] , as_index = False).agg({'Total': 'sum'})

위를 보면 알파벳순으로 되어 있기에 1월부터 순서대로 그래프로 보기 위해 아래와 같이 정렬 처리

month_dict = {     'January': 1, 'February': 2, 'March': 3, 'April': 4, 'May': 5, 'June': 6,     'July': 7, 'August': 8, 'September': 9, 'October': 10, 'November': 11, 'December': 12 } monthly_sales.sort_values(by='month' , key = lambda x : x.apply(lambda y : month_dict[y]) , inplace = True) # 혹은 다음도 가능 # monthly_sales['month'] = pd.Categorical(monthly_sales['month'], categories=month_dict, ordered=True) # monthly_sales.sort_values('month', inplace=True)

※ x : monthly_sales['month'],   y : x 의 values 즉 1, 2, 3 .. 으로 정렬

그래프로 표시 (DataFrame.plot.bar 로 가능하나 좀 더 세련된 그래프를 위해서 seaborn을 사용하자.)

import seaborn as sns import matplotlib.pyplot as plt import matplotlib.ticker as mtick plt.figure(figsize=(12 , 5)) # inch ax = sns.barplot(data = monthly_sales , x = 'month' , y = 'Total'  , color = 'orange' ) ax.yaxis.set_major_formatter(mtick.FuncFormatter(lambda x, pos: f'{x / 1e6:.0f}M')) # 혹은 아래와 같이 # func = lambda x, pos: f'{x / 1e6:.0f}M' # ax.yaxis.set_major_formatter(func) # plt.show() plt.title('Total Sales by Month') plt.xticks(rotation=45) plt.show()

추워질때 많이 매출이 오른걸 알 수 있다.

2. 각 달의 요일별 주문수는?

day_data = data.groupby(['month' , 'day'],as_index = False).agg({'Total' : 'sum', 'Order ID':'count'}) # Order ID 칼럼은 본래의 의미가 아니므로 칼럼명을 변경 day_data.rename(columns={'Order ID': 'Orders'}, inplace=True)

month로 그룹핑이 되고 그 다음 day 별로 Total, Order ID 칼럼으로 집합을 구하는데 sum과 count 메서드를 사용 

 

month -> day 별로 소팅

month_dict = { 'January': 1, 'February': 2, 'March': 3, 'April': 4, 'May': 5, 'June': 6,     'July': 7, 'August': 8, 'September': 9, 'October': 10, 'November': 11, 'December': 12 } day_dict = {'Saturday': 1, 'Sunday': 2, 'Monday': 3, 'Thursday': 4, 'Wednesday': 5, 'Tuesday': 6, 'Friday': 7} day_data['month'] = pd.Categorical(day_data['month'], categories=month_dict, ordered=True) day_data['day']     = pd.Categorical(day_data['day'], categories=day_dict, ordered=True) day_data.sort_values(by=['month', 'day'], inplace=True)

day_data_order = day_data.pivot_table(index = 'month' , values = 'Orders',columns='day' ) day_data_order.plot(kind = 'bar',figsize = (15 , 6) , fontsize = 15,ylabel = "Orders")

각월별 요일별 주문수

 

day_data_Total = day_data.pivot_table(index = 'month' , values = 'Total',columns='day' ) plt.figure(figsize=(15, 6)) # inch sns.lineplot(data=day_data_Total) plt.title('Total Revenue VS Month and Day') plt.xlabel('Month') plt.ylabel('Total') plt.legend(title='Day of the Week', loc='upper left') plt.show()

각월별 요일별 주문액 추이

 

3. 시간대별 주문수는?

plt.figure(figsize=(8,5)) plt.title('hour vs. Orders') sns.countplot(x='hour', data=data, hue=data['hour'], legend=False, palette = "Set2")

 

4. 가장 많이 팔린 제품은?

product_order_counts = data.groupby(by='Product', as_index=False).agg({ 'Quantity Ordered': 'sum'}) plt.figure(figsize=(10,5)) sns.barplot(x='Product', y='Quantity Ordered', data=product_order_counts, hue=product_order_counts['Product'], legend=False, palette='Set2') plt.title('Sales count per Product') plt.xticks(rotation=90) plt.show()

5. 각 도시별 Top5 판매수 제품들은?

Cities_Products = data.groupby(['City', 'Product'] , as_index=False).agg({'Quantity Ordered' : 'sum', 'Total':'sum'}) Cities_Products.rename(columns = {'Quantity Ordered':'orders_count'}, inplace = True) Cities_Products = Cities_Products.groupby(['City'] , group_keys = False).apply(lambda x: x.nlargest(5, 'orders_count')) x = Cities_Products.pivot_table(index = 'City' , values ='orders_count',columns = 'Product' ) x.plot(kind = 'bar' , figsize=(12,7)) plt.ylabel('Total Orders') plt.title("Top 5 Products for each City")

6. 주문당 구매 제품수의 정보는?

# 같은 Order ID 로 구매한 Product의 수 Products = data.groupby('Order ID')['Product'].count() Products = Products.value_counts() Products = Products.nlargest(3)

 

colors = ['#ff9999', '#66b3ff', '#99ff99'] explode = [0.3,0.3,0.5]  plt.figure(figsize=(8, 8)) plt.pie(Products, labels=Products.index, colors=colors, autopct='%1.1f%%', startangle=180,explode = explode) plt.title("percentage of orders include multiple products") plt.show()

7. 최대 구매액은?

max_total = max(data['Total']

data[data['Total'] == max_total)]

 

8. 도시별 구매액은?

Cities_orders = data.groupby(['City'], as_index=False).agg({'Order ID' : 'count','Total':'sum'}) Cities_orders.rename(columns = {'Order ID':'orders_count'}, inplace = True)

plt.figure(figsize=(12 , 4)) ax = sns.barplot(data = Cities_orders, x = 'City' , y = 'Total') ax.yaxis.set_major_formatter(mtick.FuncFormatter(lambda x, pos: f'{x / 1e6:.0f}M')) plt.title("CITY VS Revenue") plt.show()

 

9. 주별 주문수의 분포는?

states = data['State'].value_counts() colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99', '#c2c2f0','#fd9901', '#ffb3e6', '#c6e2e9'] explode = [0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1] plt.figure(figsize=(8, 8)) plt.pie(states, labels=states.index, colors=colors, autopct='%1.1f%%', startangle=140,explode = explode) plt.title("Distribution of Orders by State") plt.show()